融合双眼特征的糖网病图像识别方法

针对糖尿病视网膜病变的眼底图像数据,根据传统的卷积神经网络模型设计出一种能够针对此病程进行自动分类的网络模型.引入一种全新的基于双眼特征融合模型来比较不同模型结构的处理效果,通过实验证明了此模型在对糖尿病视网膜病变眼底图像进行分类时的有效性和优越性.通过对模型的损失函数进行调整,分析得出在不同评价准则下的最优损失函数.对错分的图像样本进行分析,总结了造成错误分类的两种主要原因:微血管瘤特征的不明显和相机伪影构成的图像噪声.