糖尿病性视网膜图像的深度学习分类方法 被引量：24

1

作者 李琼 柏正尧 刘莹芳 《中国图象图形学报》 CSCD 北大核心 2018年第10期1594-1603,共10页

目的糖尿病性视网膜病变(DR)是目前比较严重的一种致盲眼病,因此,对糖尿病性视网膜病理图像的自动分类具有重要的临床应用价值。基于人工分类视网膜图像的方法存在判别性特征提取困难、分类性能差、耗时费力且很难得到客观统一的医疗诊... 目的糖尿病性视网膜病变(DR)是目前比较严重的一种致盲眼病,因此,对糖尿病性视网膜病理图像的自动分类具有重要的临床应用价值。基于人工分类视网膜图像的方法存在判别性特征提取困难、分类性能差、耗时费力且很难得到客观统一的医疗诊断等问题,为此,提出一种基于卷积神经网络和分类器的视网膜病理图像自动分类系统。方法首先,结合现有的视网膜图像的特点,对图像进行去噪、数据扩增、归一化等预处理操作;其次,在Alex Net网络的基础上,在网络的每一个卷积层和全连接层前引入一个批归一化层,得到一个网络层次更复杂的深度卷积神经网络BNnet。BNnet网络用于视网膜图像的特征提取网络,对其训练时采用迁移学习的策略利用ILSVRC2012数据集对BNnet网络进行预训练,再将训练得到的模型迁移到视网膜图像上再学习,提取用于视网膜分类的深度特征;最后,将提取的特征输入一个由全连接层组成的深度分类器将视网膜图像分为正常的视网膜图像、轻微病变的视网膜图像、中度病变的视网膜图像等5类。结果实验结果表明,本文方法的分类准确率可达0. 93,优于传统的直接训练方法,且具有较好的鲁棒性和泛化性。结论本文提出的视网膜病理图像分类框架有效地避免了人工特征提取和图像分类的局限性,同时也解决了样本数据不足而导致的过拟合问题。 展开更多

关键词 糖尿病性视网膜图像分类 卷积神经网络 深度学习 迁移学习 深度特征

原文传递

深度学习方法在糖尿病视网膜病变诊断中的应用 被引量：21

2

作者 范家伟 张如如 +7 位作者 陆萌 何佳雯 康霄阳 柴文俊 石珅达 宋美娜 鄂海红 欧中洪 《自动化学报》 EI CAS CSCD 北大核心 2021年第5期985-1004,共20页

深度学习可以有效提取图像隐含特征,在医学影像识别方面的应用快速发展.由于糖尿病视网膜病变(Diabetic retinopathy,DR)诊断标准明确、分类体系成熟,应用深度学习诊断糖尿病视网膜病变近年来成为研究热点.本文从深度学习方法在DR诊断... 深度学习可以有效提取图像隐含特征,在医学影像识别方面的应用快速发展.由于糖尿病视网膜病变(Diabetic retinopathy,DR)诊断标准明确、分类体系成熟,应用深度学习诊断糖尿病视网膜病变近年来成为研究热点.本文从深度学习方法在DR诊断中的最新研究进展、DR诊断的一般流程、公共数据集、医学影像标注方法、主要实现模型、面临的主要挑战几方面,对深度学习方法在糖尿病视网膜病变诊断中的应用进行了详细综述,便于更多机器视觉、尤其是深度学习医学影像的研究者们参照对比,加快该领域研究的成熟度和临床落地应用. 展开更多

关键词 深度学习 糖尿病 糖尿病视网膜病变 智能诊断 图像标注 病变区域检测 病变等级分类

下载PDF 职称材料

糖尿病视网膜病变眼底图像分类方法 被引量：9

3

作者 梁平 熊彪 +3 位作者 冯娟娟 廖瑞端 汪天富 刘维湘 《深圳大学学报（理工版）》 EI CAS CSCD 北大核心 2017年第3期290-299,共10页

评述糖尿病视网膜病变(diabetic retinopathy,DR)眼底图像自动分类方法的研究进展.介绍基于局部病灶的分类方法和基于全局图像的分类方法.其中,基于局部病灶的分类方法主要是渗出物、出血点和微血管瘤病灶的检测,根据检测出的病灶类型... 评述糖尿病视网膜病变(diabetic retinopathy,DR)眼底图像自动分类方法的研究进展.介绍基于局部病灶的分类方法和基于全局图像的分类方法.其中,基于局部病灶的分类方法主要是渗出物、出血点和微血管瘤病灶的检测,根据检测出的病灶类型、数量和位置等信息进行DR分类;基于全局图像的分类方法是对图像全局特征信息进行分类.分析了常用数据集、各类方法优缺点和分类性能,指出尽管DR眼底图像自动分类已经有大量研究,但实现一个通用的DR自动分类系统在数据数量与质量、分类方法和系统性能等方面还有一定挑战. 展开更多

关键词 图像处理 眼底图像 糖尿病视网膜病变 计算机辅助诊断 自动检测 图像分类

下载PDF 职称材料

多尺度深度CNN的糖尿病视网膜病变分类 被引量：6

4

作者 李轩屹 朱晓军 《计算机工程与设计》 北大核心 2020年第11期3229-3234,共6页

为对视网膜图像的DR严重程度进行更准确的分类,分析图像分辨率、深浅层特征对分类效果的影响,提出一种多尺度ResNext网络模型。使用不同分辨率眼底图像交替作为输入层数据,采用加权融合深浅层特征作为全连接层分类的信息,使用迁移学习... 为对视网膜图像的DR严重程度进行更准确的分类,分析图像分辨率、深浅层特征对分类效果的影响,提出一种多尺度ResNext网络模型。使用不同分辨率眼底图像交替作为输入层数据,采用加权融合深浅层特征作为全连接层分类的信息,使用迁移学习方法对网络模型参数进行初始化,避免发生过拟合问题。基于kaggle竞赛数据的验证结果表明,相对于传统模型,该模型方法可以更准确地对DR严重程度进行分类。 展开更多

关键词 糖尿病视网膜病变 卷积神经网络 特征融合 迁移学习 图像分类

下载PDF 职称材料

基于代价敏感正则化和EfficientNet的糖尿病视网膜病变分类方法 被引量：5

5

作者 王明智 马志强 +2 位作者 赵锋锋 王永杰 郭继峰 《液晶与显示》 CAS CSCD 北大核心 2022年第12期1626-1635,共10页

糖尿病视网膜病变(DR)是糖尿病的常见并发症,是目前世界范围内导致失明的主要疾病之一。临床的早期阶段很难检测到DR。本文提出一种基于卷积神经网络的计算机辅助诊断方法,根据眼底的图像自动分类DR的严重程度。采用多种预处理方法提高... 糖尿病视网膜病变(DR)是糖尿病的常见并发症,是目前世界范围内导致失明的主要疾病之一。临床的早期阶段很难检测到DR。本文提出一种基于卷积神经网络的计算机辅助诊断方法,根据眼底的图像自动分类DR的严重程度。采用多种预处理方法提高输入图像的质量,并且采用多种数据增强的方法来提高数据集的均衡性。使用代价敏感正则化扩展标准分类损失函数,根据预测等级和真实等级相差程度的不同,对其施加不同的惩罚。在ImageNet数据集上进行预训练,从而引入迁移学习,并且使用Softmax激活函数的全连接层使模型获得更好的性能。基于两个数据集的实验结果表明,相较于近期学者的研究结果,该模型能够实现二次加权kappa分数约5%的改善,AUC约3%的改善。将代价敏感正则化引入到EfficientNet网络模型可以提高糖尿病视网膜病变分类任务的准确率,能够得到很好的模型性能。 展开更多

关键词 糖尿病视网膜病变 深度学习 代价敏感正则化 卷积神经网络 图像分类

下载PDF 职称材料

基于卷积神经网络的糖尿病视网膜病变图像分类模型研究

6

作者 周凯 陈清辉 代壮壮 《无线互联科技》 2024年第15期17-20,共4页

针对糖尿病视网膜病变自动分级问题,文章提出了一种基于卷积神经网络的糖尿病视网膜病变图像分类模型。该模型采用MobileNet和DenseNet 2种结构作为主干网络,并在此基础上引入类别权重函数和注意力机制进行改进。Aptos-2019数据集上的... 针对糖尿病视网膜病变自动分级问题,文章提出了一种基于卷积神经网络的糖尿病视网膜病变图像分类模型。该模型采用MobileNet和DenseNet 2种结构作为主干网络,并在此基础上引入类别权重函数和注意力机制进行改进。Aptos-2019数据集上的五分类实验结果表明,文章设计的糖尿病视网膜分类模型能够对病变图像进行有效检测,在五分类任务中的准确率达到了0.8310。 展开更多

关键词 糖尿病视网膜病变检测 图像分类 MobileNet DenseNet 注意力机制

下载PDF 职称材料

基于改进CNN的糖尿病视网膜病变图像分类模型研究 被引量：2

7

作者 于旭燕 刘建霞 +3 位作者 薛文渲 袁晓辉 段淑斐 程永强 《现代电子技术》 2021年第20期168-172,共5页

糖尿病视网膜病变(DR)是目前公认的主要致盲疾病之一,目前传统的视网膜图像处理步骤复杂且需要大量的人力物力,缺少一种完整的自动识别系统。针对这一问题,提出一种基于改进CNN的糖尿病视网膜病变图像分类模型,即SupplementNet。该模型... 糖尿病视网膜病变(DR)是目前公认的主要致盲疾病之一,目前传统的视网膜图像处理步骤复杂且需要大量的人力物力,缺少一种完整的自动识别系统。针对这一问题,提出一种基于改进CNN的糖尿病视网膜病变图像分类模型,即SupplementNet。该模型在原有深度学习模型的基础上,改进卷积层中激活函数来使模型尽可能多地学习图像的特征,并在相应的卷积层后对图像数据进行批量正则化处理来提高模型的泛化性能。对比实验结果表明,该模型的分类准确率要高于其他常用的模型,可为DR图像分类提供一种更为有效的途径。 展开更多

关键词 糖尿病视网膜病变 深度学习 卷积神经网络 图像分类 SupplementNet模型 特征提取

下载PDF 职称材料

基于集成Inception-v4的糖尿病性视网膜病变图像分类 被引量：2

8

作者 王宇光 李峰 《软件导刊》 2021年第5期164-167,共4页

糖尿病性视网膜病变严重威胁患者视力,现有的手工分级糖尿病性视网膜病变眼底图像方法费时费力,针对此问题提出一种基于Inception-v4结构的集成网络模型。该模型由5个基于Inception-v4的架构网络集成。通过训练和正则化随机性,即使用相... 糖尿病性视网膜病变严重威胁患者视力,现有的手工分级糖尿病性视网膜病变眼底图像方法费时费力,针对此问题提出一种基于Inception-v4结构的集成网络模型。该模型由5个基于Inception-v4的架构网络集成。通过训练和正则化随机性,即使用相同的训练数据集和ImageNet初始化学习不同的图像特征。在Kaggle-DR数据集上集成Inception-v4网络的AUC值达到0.992;在Messidor-2数据集上集成Inception-v4网络的AUC值达到0.977,灵敏度达到0.923,特异性达到0.947。与在Messidor-2数据集上进行测试的单一网络相比,集成网络表现比单一网络要好,说明集成Inception-v4网络对提高糖尿病性视网膜病变的筛查效率具有一定意义。 展开更多

关键词 Inception-v4 糖尿病性视网膜病变 图像分类 迁移学习

下载PDF 职称材料

基于增强型半监督生成对抗网络的糖尿病视网膜病变识别 被引量：2

9

作者 张文勇 申妍燕 王书强 《图像与信号处理》 2019年第1期1-8,共8页

糖尿病视网膜病变(Diabetic Retinopathy, DR)是由糖尿病引起的视网膜血管壁受损致使视觉功能下降的一种具有特异性改变的眼底病变,是主要致盲疾病之一。在医学图像处理中,糖尿病视网膜病变诊疗通常面临高质量标注样本少和未标注数据不... 糖尿病视网膜病变(Diabetic Retinopathy, DR)是由糖尿病引起的视网膜血管壁受损致使视觉功能下降的一种具有特异性改变的眼底病变,是主要致盲疾病之一。在医学图像处理中,糖尿病视网膜病变诊疗通常面临高质量标注样本少和未标注数据不能充分利用的困境。基于此,本文利用增强的半监督生成对抗网络对糖尿病视网膜病变等级和程度进行识别,实现更高的识别精度和泛化能力,最终四分类任务中准确率达到77.2%,二分类任务中AUC达到93.9%。 展开更多

关键词 生成对抗网络 视网膜病变识别 图像分类

下载PDF 职称材料

基于迁移学习的糖尿病视网膜病变辅助诊断算法 被引量：2

10

作者 黄义劲 吕俊延 +3 位作者 李萌 夏鸿慧 袁进 唐晓颖 《中华实验眼科杂志》 CAS CSCD 北大核心 2019年第8期603-607,共5页

目的研究基于迁移学习的糖尿病视网膜病变(DR)诊断算法在小样本训练数据集中的应用。方法采用广东省肇庆市高要区人民医院拍摄的4465幅彩色眼底照片作为完整数据集。使用固定预训练参数和微调预训练参数的模型训练策略作为迁移学习组,... 目的研究基于迁移学习的糖尿病视网膜病变(DR)诊断算法在小样本训练数据集中的应用。方法采用广东省肇庆市高要区人民医院拍摄的4465幅彩色眼底照片作为完整数据集。使用固定预训练参数和微调预训练参数的模型训练策略作为迁移学习组,将其与非迁移学习的随机初始化参数的策略对比,并将这3种策略应用在ResNet50、Inception V3和NASNet 3种深度学习网络的训练上。此外,从完整数据集中随机划分出小样本数据集,研究训练数据的减少对不同训练策略的影响。采用诊断模型的准确率和训练时间分析不同训练策略的效果。结果取不同网络架构中的最优结果。微调预训练参数策略取得的模型准确率为90.9%,高于固定预训练参数策略的88.1%及随机初始化参数策略的88.4%。固定预训练参数策略的训练所需时间为10min,少于微调预训练参数策略的16h及随机初始化参数策略的24h。在训练数据减少后,随机初始化参数策略得到的模型准确率平均下降8.6%,而迁移学习组准确率平均下降2.5%。结论结合迁移学习中的微调策略和NASNet架构的新型识别算法在小样本数据集下仍保持高准确率,具有高度的鲁棒性,可用于DR的有效筛查。 展开更多

关键词 糖尿病视网膜病变 迁移学习 NASNet 医疗图像分类 人工智能

下载PDF 职称材料

基于迁移学习算法的糖网病自动筛选系统研究 被引量：1

11

作者 陈检 肖思隽 孙秋梅 《信息技术与信息化》 2018年第7期175-179,共5页

现阶段我国基层医疗条件落后于城市地区,具有基层的眼科医生资源匮乏和带标记的糖网病眼底图像数据不足等问题。针对以上问题本文提出基于迁移学习算法的糖网病自动筛选系统,受卷积神经网络中迁移学习思想的启发,通过构造出CNN+SVM的融... 现阶段我国基层医疗条件落后于城市地区,具有基层的眼科医生资源匮乏和带标记的糖网病眼底图像数据不足等问题。针对以上问题本文提出基于迁移学习算法的糖网病自动筛选系统,受卷积神经网络中迁移学习思想的启发,通过构造出CNN+SVM的融合模型来实现正确的图像分类。本次试验采用源数据来自于山东省泰安某医院。相比于直接使用SVM模型,CNN+SVM融合模型训练和预测所需时间由1993秒下降到1518秒左右,kappa值由0.20上升到0.79,特异度和敏感度都提高了大概30%的幅度。结论:CNN+SVM的融合模型不仅加快了模型的学习效率,而且实现了高准确率的图像分类识别。 展开更多

关键词 糖网病 图像分类 卷积神经网络 迁移学习 泰安某医院

下载PDF 职称材料