基于迁移学习的眼底图像分类研究.pdfVIP

摘 要 医生读取眼底照片是识别青光眼、黄斑变性、糖尿病视网膜病变、病理性近视等 疾病的重要手段，由于优秀的眼科医生人数有限，医疗资源地区分配不均匀，医生的 诊断具有主观性等导致眼底疾病患者检查准确度低，基层医院的检查能力不足。根据 医疗卫生系统的要求，本文研究自动识别异常眼底照片中病灶的方法，并基于所提出 的方法开发软件系统便于基层医院使用。 为了解决医疗系统提供的准确标注的眼底照片少且眼底图像信息复杂而导致的 识别准确率偏低的问题，本文采用多种方法分别提取眼底照片特征并进行特征融合， 克服了单一特征提取方法对眼底图像识别准确度不高的问题。为了解释模型预测的 结果，本研究采用梯度加权类激活映射的方法展示病灶的位置。本文采用图像预处理 的方式解决了不同医院提供的图像分辨率不一致、图像感兴趣区域不在中心位置以 及个别图像整体亮度较暗导致的难以准确提取图像特征等问题。 本文的主要贡献有如下几点： （1）本课题首先收集眼底图片并进行预处理，得到了标注过的917 张眼底图片 用于建立模型，其中正常眼底图片358，异常眼底图片559 张，并收集其它医院提供 的彩色眼底图片用于测试模型的泛化性。 （2 ）选取合适的方法提取特征，并在多个分类器上进行了分