基于深度卷积网络的糖尿病性视网膜病变分类

摘要

糖尿病性视网膜病变是一种高致盲率的糖尿病眼底并发症且发病率逐年上升,临床人工诊断中存在判别困难、极度依赖医生经验、诊断准确率低等问题,因此对眼底病变的自动诊断方法有重要现实意义。采用深度卷积网络的Inception-V4结构,根据视网膜图像进行四个病变阶段的分类。首先对原始数据进行归一化操作降低数据噪声,再通过旋转、剪裁等数据增强方法扩充数据集。然后采用迁移学习方法,先加载ImageNet预训练模型,再对Inception-V4网络进行参数微调。最后,接入一个四分类的分类器,使用Softmax函数获得图像的分类结果。实验在包含2409张眼底彩照的数据集上获得了88%的四分类准确率。该方法克服样本量不足以及数据不均衡的问题,在小数据集上获得较好的分类准确率,在辅助临床诊断中具有较好的应用价值。