基于平行图像的糖尿病视网膜病变智能诊断

针对深度学习诊断糖尿病视网膜病变(DR)面临数据集小、类别不均衡及诊断效果不佳等问题,提出基于平行图像和Swin Transformer的DR分级模型。首先基于StyleGAN2-ada构建平行图像生成模型,解决训练图像过少和类别失衡问题。经FID、KID和目视评估,构建的平行图像符合后续工作要求。然后,基于注意力与窗口滑动机制构建DR诊断模型改善诊断效果。最后,使用平行图像训练诊断模型。经验证,本文提出的诊断模型准确率为93.5%、特异性最高为99%、F1分数最高为0.96。与原始图像相比,使用平行图像训练模型后其准确率提升20%、精确率最高提升70%。与其他3种深度学习模型对比,本文所提方法各项指标均达到最优。以上结果表明,本文构建的模型可在小样本数据集下实现较好的诊断效果。