摘要
本文提出一种基于自监督学习的糖尿病视网膜病变诊断方法.具体来说,SimCLR首先从原始数据集中随机抽取示例,并使用简单增强的组合将每个示例转换两次,创建两组相应的视图.然后,它使用基于ResNet架构的卷积神经网络计算图像表示,接着使用多层感知机计算图像表示的非线性投影.这会放大不变特征并使网络识别同一图像的不同变换的能力最大化.通过对比学习的方法对眼底图像中存在的特征进行学习.这种方法在多个数据集上取得较好的结果,证明自监督学习在糖尿病视网膜病变诊断中的可行性.
基金项目
吕梁市重点研发计划项目(2022GXYF17)
山西省高等学校教学改革创新项目(J20221164)
吕梁市重点研发计划项目(2022GXYF18)
维普
万方数据