基于残差网络的糖网病自动筛查

糖尿病视网膜病变(简称糖网病)是主要的致盲疾病之一,将导致患者视觉功能下降并最终失明.糖网病的及时治疗能够尽可能保存患者的视力,因此糖网病筛查具有十分重要的意义.为了解决糖网病自动筛查准确率较低的问题,提出一种多类别训练数据下的残差网络糖网病筛查方法.首先通过收集、标定和整理眼底图数据,构建出一个新的糖网病眼底图数据集——MultiClassDR数据集,包含健康、患有糖网病和患有其他眼底疾病3种类别;然后针对高分辨率图像数据集构建残差网络模型,在ImageNet数据集和Kaggle糖网病检测数据集上对所提模型进行预训练,获得眼底图像的基本特征表达.在MultiClassDR数据集上训练及测试的结果表明,该模型进行糖网病筛查的平均准确率为87.2%;该方法能够提高模型的学习能力,增强模型进行糖网病自动筛查的性能.

人工智能在医疗影像诊断领域的研究进展

作为深度学习等人工智能技术最先突破的领域,图像识别技术现已广泛应用于图片搜索、人脸识别、自动驾驶等领域,而近年来该技术在医疗影像诊断领域的应用也日渐受到学界关注,基于此,本文就人工智能参与医疗影像诊断的方式展开分析,并对人工智能参与医疗影像诊断的发展现状、发展趋势进行详细论述。