基于深度学习的糖尿病视网膜病变诊断方法

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