基于EfficientNet的视网膜OCT图像分类方法研究 |
| |
引用本文: | 柳玉婷,昌杰,张浩,胡天寒.基于EfficientNet的视网膜OCT图像分类方法研究[J].西安文理学院学报,2023(2):63-67. |
| |
作者姓名: | 柳玉婷 昌杰 张浩 胡天寒 |
| |
作者单位: | 皖南医学院医学信息学院 |
| |
基金项目: | 皖南医学院中青年科研基金项目(WK202018);;安徽省自然科学基金面上项目(2108085MF205);;安徽高校人文社科项目(SK2020A0379);;安徽省教育厅高校科学研究人文重点项目(SK2021A0468); |
| |
摘 要: | 视网膜OCT图像能够观察到眼底视网膜各层组织及其厚度,为早期眼底疾病筛查提供准确的临床依据,但现有标注样本少导致分类精度较低.针对此问题提出一种基于迁移学习的EfficientNet视网膜OCT图像分类算法.首先,对视网膜OCT图像进行数据增强与预处理操作;其次,将预训练好的EfficientNet-B3模型进行训练,再通过部分过采样和类权重的方法进行微调训练.最终分类准确率可达99.2%,表明该模型具有较高的分类识别准确率,具有一定的临床指导意义.
|
关 键 词: | EfficientNet 视网膜OCT 图像分类 迁移学习 |
|
|