针对糖尿病患者出现视网膜病变的现象,提出一种基于深度学习的糖尿病视网膜病变诊断模型。在保证图像识别模型深度的前提下,通过修改Inception模块的组成减少模型参数,从而提升收敛速度;通过引入残差模块,解决了模型深度增加带来的梯度消失和梯度爆炸等问题;利用数据扩充和设置Dropout的方法,有效避免了数据集不足导致模型出现过拟合的现象,从而实现对糖尿病视网膜病变患病等级的检测。实验结果表明,所提出的DetectionNet深度卷积神经网络对糖尿病视网膜病变患病程度等级分类任务的识别率达到91%,相对于LeNet、AlexNet和CompactNet等网络模型均有20%以上识别率的提升。该研究对糖尿病患者的早期预防和治疗、避免出现糖尿病视网膜病变具有重要意义。
2021-09-21 21:08:56
3.33MB
1
行业分类-物理装置-一种医学图像病变检出合并方法、系统、终端及存储介质.zip
2021-08-10 18:06:35
471KB
解读国际心血管CT协会“CAD-RADS冠状动脉病变报告和数据系统”.pdf
2021-08-04 09:05:33
231KB
糖尿病性视网膜病变，带有分类标签的视网膜图像。该文件夹代表特定的类标签。0-无DR，1-轻度，2-中度，3-严重，4-增殖性DR。
Diabetic Retinopathy Arranged_datasets..zip
Diabetic Retinopathy Arranged_datasets..txt
2021-06-05 17:46:31
1.21GB
1
深度学习基于图像的皮肤癌检测
对常见色素性皮肤病变的皮肤镜图像进行深度学习，以检测皮肤癌。
2021-05-11 21:20:30
8KB
1