基于R-FCN算法的糖尿病眼底病变自动诊断

来源：计算机工程与应用杂志2020年第4期北京时间：

作者：王嘉良，罗健旭，刘斌，冯瑞，邹海东

单位：1.华东理工大学 信息科学与工程学院，上海 200237；2.上海无线电设备研究所，上海 200000；3.复旦大学 计算机科学与工程学院，上海 200433；4.上海市眼科医院，上海 200040

摘要：糖尿病眼底病变（Diabetic Retinopathy，DR）是糖尿病患者常见的致盲疾病，可使用深度学习算法对患者的糖尿病眼底图片进行图像识别，实现对糖尿病眼底病变的辅助诊断。针对以往普通卷积神经网络只能进行分类和输入尺寸固定的问题，提出了基于目标检测的区域全卷积网络（Region-based Fully Convolutional Networks，R-FCN）算法，实现同时对任意尺寸输入的糖尿病眼底图片的分类和病变区域检测。针对原始R-FCN算法对小目标（极小的出血点和血管瘤）检测困难的问题，对R-FCN算法做了一定的改进，加入特征金字塔网络（Feature Pyramid Networks，FPN）结构，升级主干网络，修改区域建议网络（Region Proposal Network，RPN）。实现结果表明，改进后的R-FCN算法能以很高的正确率实现对糖尿病眼底图片的五级分类（健康、轻度、中度、重度、增殖）和病变区域检测（血管瘤、眼底出血、玻璃体出血）。

关键词：深度学习,目标检测,卷积神经网络,计算机视觉,糖尿病眼底病变