通过研究神经网络对眼底图像疾病诊断的预测模型,提高眼科医生的诊断效率.首先,对原始图像进行归一化处理,统一转换成为224×224大小的标准图像;其次,针对所有带疾病标签的图像,根据疾病的不同特征进行切割转换,增加训练样本数量;再次,对于增强眼底图像,参考眼底疾病特征进行筛选;最后,输入InceptionV3网络为主体搭建的神经网络训练模型,用其中每种疾病的50张眼底图像验证模型.实验结果表明:针对224×224眼底图像进行特征切割以后的模型,精确率达到75.93％,准确率93.63％,召回率71.75％,AUC结果93.76％.
国家科技期刊平台
NSTL
万方数据
