| 基于SENet和GBDT的改进CNN视网膜疾病多分类 |
| |
| 引用本文： | 陈可心,乔焕,方玲玲. 基于SENet和GBDT的改进CNN视网膜疾病多分类[J]. 计算机系统应用, 2023, 32(8): 286-294 |
| |
| 作者姓名： | 陈可心 乔焕 方玲玲 |
| |
| 作者单位： | 辽宁师范大学 计算机与人工智能学院, 大连 116081 |
| |
| 基金项目： | 辽宁省自然科学基金(2021-MS-272); 辽宁省教育厅项目(LJKQZ2021088) |
| |
| 摘 要： | 由于对眼底视网膜图像进行人工诊断分类时存在效率低、漏诊、误诊等情况, 为辅助医师辨别多种疾病的眼底筛查结果, 降低漏检及误检率, 提出一种基于注意力机制SENet的卷积网络模型和GBDT梯度提升的分类方法来解决视网膜疾病分类问题. 该模型在深度学习模型的基础上, 利用采样卷积网络对提取的视网膜出血、视盘水肿、黄斑区病变这3种特征进行学习, 通过GBDT梯度提升的方法进行识别和分类, 并采用大连市第三人民医院提供的真实临床数据对所提方法的性能进行评价. 结果表明, 该模型在平均准确率, 精确率和召回率分别达到99.27%, 98.35%, 0.9810, 在视网膜疾病临床诊断中具有一定的实用价值.
|
| 关 键 词： | 眼底视网膜图像|卷积神经网络|注意力机制|图像分类 |
| 收稿时间： | 2023-01-29 |
| 修稿时间： | 2023-02-23 |
Improved CNN Multi-classification of Retinal Diseases Based on SENet and GBDT |
| |
| CHEN Ke-Xin,QIAO Huan,FANG Ling-Ling. Improved CNN Multi-classification of Retinal Diseases Based on SENet and GBDT[J]. Computer Systems& Applications, 2023, 32(8): 286-294 |
| |
| Authors: | CHEN Ke-Xin QIAO Huan FANG Ling-Ling |
| |
| Affiliation: | School of Computer Science and Artificial Intelligence, Liaoning Normal University, Dalian 116081, China |
| |
| Abstract: | |
| |
| Keywords: | fundus retinal image|convolution neural network (CNN)|attention mechanism|image classification |
|
| 点击此处可从《计算机系统应用》浏览原始摘要信息 |
|
点击此处可从《计算机系统应用》下载全文 |
|
