基于双边密集网络的眼表疾病识别方法研究

眼表疾病是常见且复杂的眼部疾病,早期诊断对患者的日常生活质量具有重要意义。传统检查方法主要由医生依靠医学显微镜来实现诊断,存在就诊成本高、专业医疗设备不足和专业医师供需紧张等问题。为了提高眼表疾病的识别准确率,节省就诊成本,缓解医疗资源紧张,提出了一种基于双边密集网络的眼表疾病识别方法,该方法引入与卷积操作并行的混合运算,其中,分组卷积和矩阵变换能够提取到更加多样化的眼表图像特征,避免了训练过程中冗余特征的计算,提高了特征利用效率。通过与不同的深度学习方法进行实验对比,该方法识别眼表疾病的平均准确率达到了91.26%,显示了更优的性能。