优化眼科疾病分类的深度学习模型
S Vidivelli1, P Padmakumari1, C Parthiban2
1School of Computing, SASTRA University, Thanjavur, Tamilnadu, India.
Scientific reports
|January 24, 2025
概括
深度学习模型从眼底图像准确地分类眼睛疾病. 带有Adam优化的MobileNet模型在识别眼科疾病方面实现了89.64%的准确性.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 眼底成像对于检测眼科疾病,如玻璃眼瘤和糖尿病视网膜病变至关重要.
- 光盘,斑点和血管的结构变化标志着各种眼睛疾病.
- 准确诊断这些情况对于患者的眼睛健康至关重要.
研究的目的:
- 应用深度学习模型来对眼科疾病进行多类和多标签的分类.
- 评估基于转移学习的卷积神经网络 (CNN) 方法的有效性.
- 为了提高诊断准确度,比较不同优化器的性能.
主要方法:
- 利用转移学习与CNN模型进行图像分类.
- 采用眼病智能识别 (ODIR) 数据库,其中包含 fundus 图像.
- 对比随机梯度下降 (SGD) 和亚当优化器.
主要成果:
- 带有Adam优化器的MobileNet模型实现了最高的测试准确性.
- 在眼科疾病分类方面取得了89.64%的测试准确率.
- 证明了深度学习在诊断多种眼睛疾病中的有效性.
结论:
- 深度学习,特别是CNN,在分类眼科疾病方面显示出显著的前景.
- 移动网架构与Adam优化器相结合,为基金图像分析提供了强大的方法.
- 这种方法可以帮助早期检测和治疗眼病.
