融合改进Retinex图像增强与深度学习的糖尿病视网膜分类检测方法

目的:提出一种基于图像增强算法和深度学习的糖尿病视网膜分类检测方法,对糖尿病视网膜病变图像进行自动分类,实现对眼底病变程度的等级划分。方法:采用一种经过改进的Retinex图像增强算法,对原始图像进行预处理操作,从而显著提高图像质量,有效增强图像的视觉效果,使其更具清晰度和对比度。并结合深度学习方法,对不同时期的病变程度进行自动分类检测。结果:本文方法在提高分类准确率、灵敏度和特异性方面具有显著优势。与传统Retinex方法相比,本文方法的准确率、灵敏度和特异性分别提高5.4%、7.4%和16.6%。结论:利用本文方法可以有效实现糖尿病视网膜病变的自动分类和检测,从而提高其准确性和效率。