相关实验视频
Updated: May 16, 2025
09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
21.4K
使用特征连接用于早期诊断视网膜疾病的 fundus 图像分类
Sara Ejaz1, Hafiz U Zia1, Fiaz Majeed1
1Department of Information Technology, University of Gujrat, Gujrat, Pakistan.
Digital health
|March 31, 2025
概括
包括卷积神经网络 (CNN) 在内的深度学习模型有助于从视网膜图像中早期检测眼睛疾病. 合体学习实现了93.39%的准确性,提供了可靠的诊断系统.
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:
- 深度学习模型对于使用视网膜图像早期检测眼睛疾病至关重要.
- 这些模型有助于眼科医生及时做出治疗决定.
研究的目的:
- 开发一种使用卷积神经网络 (CNN) 早期检测眼病的非侵入性方法.
- 识别多种眼睛疾病,包括光盘缩,糖尿病视网膜病变,媒体迷雾和健康图像.
主要方法:
- 采用了深度学习 (DL) 的混合CNN,利用两个CNN块.
- 基底图像的RFMiD数据集使用数据增强,大小调整和一次热编码进行了预处理.
- 使用Canonical Correlation Analysis融合,将CNN平行模型提取的特征结合起来,使用八种分类算法评估性能.
主要成果:
- 与其他测试方法相比,集体学习算法表现出卓越的性能.
- 取得的最高精度为93.39%.
结论:
- 深度学习模型有效地区分各种眼睛疾病和健康的眼底图像.
- 这项研究提供了一种可靠和有效的诊断系统,用于从彩色眼底图像中检测眼睛疾病.
