光学相干断层扫描视网膜图像的迁移学习分类

光学相干断层扫描是目前检测糖尿病视网膜黄斑病变较为灵敏的方法之一,但病变的人工判断易产生主观失误,且比较耗时。为此,本文在迁移学习的基础上提出了一种改进的深度学习网络,用于视网膜图像的自动分类。先基于自适应阈值联合高斯滤波算法对图像进行预处理;然后以预训练模型为基础,通过微调解决样本差异的问题,并以全局平均池化方法替代传统的全连接层来提取深层特征,以降低网络的过拟合现象。基于实验数据对该网络进行验证,所提网络对视网膜病变图像的分类准确率可达97.3%,说明了所提网络对视网膜黄斑病变图像自动分类的有效性。