糖尿病性视网膜图像的深度神经网络分类方法

　　针对传统的视网膜图像处理步骤复杂、泛化性差、缺少完整的自动识别系统等问题，提出了一套完整的基于深度神经网络的视网膜图像自动识别系统。首先，对图像进行去噪、归一化、数据扩增等预处理；然后，设计了紧凑的神经网络模型-CompactNet，CompactNet继承了AlexNet的浅层结构参数，深层网络参数则根据训练数据进行自适应调整；最后，针对不同的训练方法和不同的网络结构进行了性能测试。实验结果表明，CompactNet网络的微调方法要优于传统的网络训练方法，其分类指标可以达到0. 87，与传统直接训练相比高出0.27；对于LeNet，AlexNet和CompactNet三种网络模型，CompactNet网络模型的分类准确率最高；并且通过实验证实了数据扩增等预处理方法的必要性。