信息与电脑杂志

摘要：文章基于深度学习技术，构建了ResNet-50眼部疾病自动分类模型，并针对糖尿病视网膜病变、青光眼、白内障及正常眼底图像进行了识别研究。采用Kaggle眼底照片数据集，通过随机旋转、仿射变换、色彩扰动等数据增强策略，结合迁移学习，提升了模型的泛化能力。实验结果表明，ResNet-50模型在验证集上达到92.58%的准确率和0.97的宏观平均曲线下面积(Area Under the Curve, AUC)值，表现优于基础卷积神经网络(Convolutional Neural Network, CNN)、AlexNet和MobileNetV3等对比模型。消融实验验证了预训练权重和数据增强对模型性能的显著提升作用。

关键词： 眼部疾病;深度学习;ResNet-50;迁移学习;

专辑： 信息科技;医药卫生科技

专题： 眼科与耳鼻咽喉科;计算机软件及计算机应用;自动化技术

分类号： TP18;TP391.41;R77