【摘要】：现阶段我国基层医疗条件落后于城市地区,具有基层的眼科医生资源匮乏和带标记的糖网病眼底图像数据不足等问题。针对以上问题本文提出基于迁移学习算法的糖网病自动筛选系统,受卷积神经网络中迁移学习思想的启发,通过构造出CNN+SVM的融合模型来实现正确的图像分类。本次试验采用源数据来自于山东省泰安某医院。相比于直接使用SVM模型,CNN+SVM融合模型训练和预测所需时间由1993秒下降到1518秒左右,kappa值由0.20上升到0.79,特异度和敏感度都提高了大概30%的幅度。结论:CNN+SVM的融合模型不仅加快了模型的学习效率,而且实现了高准确率的图像分类识别。

【分类号】：R587.2;R774.1;TP391.41
【相似文献】

1 陈检;肖思隽;孙秋梅;;基于迁移学习算法的糖网病自动筛选系统研究[J];信息技术与信息化;2018年07期
2 庞浩;王枞;;用于糖尿病视网膜病变检测的深度学习模型[J];软件学报;2017年11期
3 马文婷;赵耀;韦世奎;张诗吟;廖理心;;基于多尺度区域块的糖尿病性视网膜病变级联检测[J];北京交通大学学报;2017年06期