基于深度卷积集成网络的视网膜多种疾病筛查和识别方法

Abstract

针对视网膜疾病种类繁多、病灶位置不固定等特点，提出一种基于深度卷积集成网络的视网膜多种疾病筛查和识别方法。首先，根据视网膜眼底图像裁剪掉两侧黑色边框，并去除图像中的噪声，以降低对眼底图像的干扰，提高图像的清晰度；之后，通过对处理完成的视网膜眼底图像使用裁剪、旋转等数据增强方法来扩增数据集；再建立基于深度卷积神经网络的模型进行特征提取，并在网络模型微调后完成视网膜疾病筛查和识别任务，最终将多个模型的结果进行集成。实验结果表明，该方法针对视网膜疾病的筛查和识别的问题取得了较好的效果，视网膜疾病筛查的准确率达到96.05%，视网膜疾病识别的准确率达到72.55%。

Keywords

• 视网膜眼底图像
• 疾病筛查
• 疾病识别
• 深度卷积网络
• 集成模型