Abstract：
针对现有青光眼诊断方法严重依赖于训练数据集规模的问题,本文提出一种深度迁移网络来进行青光眼自动诊断,能够在有限监督下捕获更好地描述与青光眼相关的判别特征.采用卷积神经网络从相似的眼科疾病数据集中迁移一般特征,并采用最大平均差异方法来缩小特征差距并细化特异特征.在真实场景数据集上进行实验,验证所提方法的有效性.与其他模型相比,本文方法准确率为91.15％,灵敏度为90.13％,特异性为92.25％,其方法对青光眼的早期筛查具有一定的医学价值和意义.
Keyword：
Reprint Author's Address：
Email：
Source ：
哈尔滨工程大学学报
ISSN： 1006-7043
Year： 2023
Issue： 4
Volume： 44
Page： 673-678
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 11
Affiliated Colleges：
