计算机工程

作者：宫阿娟, 潘天荣

单位：安徽医科大学第二附属医院内分泌科, 安徽 合肥 230601

关键词：深度神经网络,投票器,注意力机制,数据增强,模型优化

基金：安徽医科大学校科研基金(2021xkj042)。

深度学习算法可实现精准的眼底疾病诊断,对眼底疾病的早期诊断和及时干预具有重要意义。近年来涌现出多种深度学习诊断算法,在数据扩增、图像增强、训练策略、特征提取等方面提出了改进设计,但对眼底疾病这样的多病种诊断问题,采用哪种训练策略缺乏系统的分析。从数据处理、训练测量、网络模型、注意力机制等方面分析不同策略的性能,为多种疾病诊断提供深度学习算法设计依据:独立训练后综合投票法的结果优于集中训练法,但训练成本更高;在训练集上,集中训练法的表现差异不大,但在验证集上,ResNeSt50的表现最佳,具有良好的泛化能力;单病种独立训练的二分类预测结果明显优于多病种的综合分类,表明优化分类网络结构有助于提高类别特征的分类效果。未来可考虑设计融合临床知识的专用网络结构进行特定细节增强,强化类间特征差异,使模型具有一定的可解释性,并提高诊断的准确率。这种多层融合网络设计将是眼科疾病诊断的发展方向之一。

来源：2024年第5期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第5期