哈尔滨工程大学学报2023，Vol.44Issue(4) ：673-678.DOI:10.11990/jheu.202112033

深度迁移学习在青光眼自动分类中的应用

Application of deep-transfer learning in automatic glaucoma detection

赵琳娜 徐曦 李建强 赵青
哈尔滨工程大学学报2023，Vol.44Issue(4) ：673-678.DOI:10.11990/jheu.202112033
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

深度迁移学习在青光眼自动分类中的应用

Application of deep-transfer learning in automatic glaucoma detection

赵琳娜 1徐曦 1李建强 1赵青1
扫码查看

作者信息

  • 1. 北京工业大学 信息学部,北京100124
  • 折叠

摘要

针对现有青光眼诊断方法严重依赖于训练数据集规模的问题,本文提出一种深度迁移网络来进行青光眼自动诊断,能够在有限监督下捕获更好地描述与青光眼相关的判别特征.采用卷积神经网络从相似的眼科疾病数据集中迁移一般特征,并采用最大平均差异方法来缩小特征差距并细化特异特征.在真实场景数据集上进行实验,验证所提方法的有效性.与其他模型相比,本文方法准确率为91.15％,灵敏度为90.13％,特异性为92.25％,其方法对青光眼的早期筛查具有一定的医学价值和意义.

关键词

迁移学习/眼病诊断/青光眼/自动分类/卷积神经网络/深度学习/分类/疾病筛查

引用本文复制引用

基金项目

国家自然科学基金(81970844)

出版年

2023
哈尔滨工程大学学报
哈尔滨工程大学

哈尔滨工程大学学报

CSTPCDCSCD北大核心
影响因子：0.655
ISSN：1006-7043
参考文献量12
段落导航相关论文