基于改进YOLOv3网络的超广角眼底图像视网膜病变智能诊断方法研究  

作　　者：廖国粮 王通 韩霖 庄艳 陈科[1] 林江莉[1] 

机构地区：[1]四川大学生物医学工程学院,四川成都610065 [2]四川大学华西医院,四川成都610065

出　　处：《电脑知识与技术》2022年第27期27-28,共2页Computer Knowledge and Technology

基　　金：四川省科技厅应用基础研究项目(2019YJ0055)。

摘　　要：视网膜病变是致盲的主要因素,如能早发现,众多致盲可以避免。该文以大病变视网膜脱离和小病变硬性渗出为例,进行超广角眼底图像视网膜病变智能诊断研究。该文通过改进YOLOv3构建了新型病变深度检测网络,并研究了数据扩增数量对模型的影响规律。研究结果表明,扩增4倍有助于提升性能,进一步扩增反而下降。实验训练集含1100张,验证集含219张,大、小病变的召回率分别提升到91.19%和67.90%,精确率分别提升到92.95%和77.46%。

关 键 词：超广角眼底图像 目标检测 YOLOv3 视网膜脱离 硬性渗出 

分 类 号：TP311[自动化与计算机技术—计算机软件与理论]