迁移学习在OCT视网膜图像自动分类上的应用

陈明惠; 陈思思; 马文飞; 李家昱; 孙好; 吕林杰; 何龙喜

doi:10.13741/j.cnki.11-1879/o4.2022.04.018

您当前的位置：

首页 >

文章列表页 >

迁移学习在OCT视网膜图像自动分类上的应用

光学图像处理与识别 | 更新时间：2025-09-01

- 迁移学习在OCT视网膜图像自动分类上的应用
- Application of transfer learning in automatic classification of OCT retina images
- 光学技术 2022年48卷第4期页码：464-471
- 作者机构：
  
  1:上海理工大学健康科学与工程学院上海介入医疗器械工程技术研究中心教育部医学光学工程中心
- 作者简介：
- 基金信息：
  
  上海市科委产学研医项目(15DZ1940400)
- DOI：10.13741/j.cnki.11-1879/o4.2022.04.018
  中图分类号： R774.1;TP391.41
- 纸质出版：2022
- 稿件说明：
移动端阅览
陈明惠, 陈思思, 马文飞, 等. 迁移学习在OCT视网膜图像自动分类上的应用[J]. 光学技术, 2022,48(4):464-471.

Application of transfer learning in automatic classification of OCT retina images[J]. 2022, 48(4): 464-471.
陈明惠, 陈思思, 马文飞, 等. 迁移学习在OCT视网膜图像自动分类上的应用[J]. 光学技术, 2022,48(4):464-471. DOI： 10.13741/j.cnki.11-1879/o4.2022.04.018.

Application of transfer learning in automatic classification of OCT retina images[J]. 2022, 48(4): 464-471. DOI： 10.13741/j.cnki.11-1879/o4.2022.04.018.

摘要

利用光学相干断层技术(OCT)产生的视网膜疾病图像是分类眼科疾病的重要措施。目的是利用四种不同分类模型的迁移学习方法对糖尿病黄斑水肿、老年性黄斑变性、玻璃疣三种病变的OCT视网膜图像进行自动分类，实现迁移学习在OCT图像分类上的应用。将VGG-16、Inception V3、MobileNet V2、ShuffleNet-V2这四种神经网络模型在大规模图像分类数据集预训练好后，进行模型微调和训练参数更新，进而找到实现上述三种眼科疾病自动分类的最优模型，达到高效的OCT视网膜病变自动分类效果。实验结果表明，四种模型中轻量型MobileNet V2经模型微调后的评价指标优于其他模型。

Abstract

利用光学相干断层技术（OCT）产生的视网膜疾病图像是分类眼科疾病的重要措施。目的是利用四种不同分类模型的迁移学习方法对糖尿病黄斑水肿、老年性黄斑变性、玻璃疣三种病变的OCT视网膜图像进行自动分类，实现迁移学习在OCT图像分类上的应用。将VGG-16、Inception V3、MobileNet V2、ShuffleNet-V2这四种神经网络模型在大规模图像分类数据集预训练好后，进行模型微调和训练参数更新，进而找到实现上述三种眼科疾病自动分类的最优模型，达到高效的OCT视网膜病变自动分类效果。实验结果表明，四种模型中轻量型MobileNet V2经模型微调后的评价指标优于其他模型。

关键词

Keywords

references

浏览量

191

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据