换一批摘要基于深度学习提出一种融合网络,旨在高效、准确地辅助诊断糖尿病性视网膜病.采用数据增强技术与生成对抗网络相结合的手段,对EyePACS数据集内的眼底图像实施扩充操作,有效应对眼底图像分类不均衡的难题.使用Inception-Resnet-V2 作为主网络,并融入深度残差收缩网络和金字塔分割注意力模块,有效地过滤掉特征学习过程中的无关信息,聚焦病灶信息,提高网络对重要特征的抓取能力.实验结果显示该优化模型能在无需事先指明病变特征的情况下,准确率、召回率、特异性、灵敏度以及F1分数达到 0.951、0.950、0.990、0.950、0.950,表明本文模型在评价指标上都有较好的性能.
更多相关知识
关键词
糖尿病视网膜病变深度学习深度残差收缩网络金字塔分割注意力模块diabetic retinopathydeep learningdeep residual shrinkage networkpyramid split attention module
栏目名称
DOI
10.3969/j.issn.1005-202X.2025.03.010
发布时间
2025-04-03（万方平台首次上网日期，不代表论文的发表时间）
- 浏览0
- 被引1
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
