迁移学习在OCT视网膜图像自动分类上的应用 |
| |
引用本文: | 陈明惠,陈思思,马文飞,李家昱,孙好,吕林杰,何龙喜.迁移学习在OCT视网膜图像自动分类上的应用[J].光学技术,2022(4):464-471. |
| |
作者姓名: | 陈明惠 陈思思 马文飞 李家昱 孙好 吕林杰 何龙喜 |
| |
作者单位: | 上海理工大学健康科学与工程学院上海介入医疗器械工程技术研究中心教育部医学光学工程中心 |
| |
摘 要: | 利用光学相干断层技术(OCT)产生的视网膜疾病图像是分类眼科疾病的重要措施。目的是利用四种不同分类模型的迁移学习方法对糖尿病黄斑水肿、老年性黄斑变性、玻璃疣三种病变的OCT视网膜图像进行自动分类,实现迁移学习在OCT图像分类上的应用。将VGG-16、Inception V3、MobileNet V2、ShuffleNet-V2这四种神经网络模型在大规模图像分类数据集预训练好后,进行模型微调和训练参数更新,进而找到实现上述三种眼科疾病自动分类的最优模型,达到高效的OCT视网膜病变自动分类效果。实验结果表明,四种模型中轻量型MobileNet V2经模型微调后的评价指标优于其他模型。
|
关 键 词: | 光学相干断层图像 深度迁移学习 视网膜图像 模型微调 |
|
|