眼科与耳鼻咽喉科论文_基于卷积神经网络的眼科 - 眼科杂志社投稿

一、来稿必须是作者独立取得的原创性学术研究成果，来稿的文字复制比（相似度或重复率）必须低于用稿标准，引用部分文字的要在参考文献中注明；署名和作者单位无误，未曾以任何形式用任何文种在国内外公开发表过；未一稿多投。二、来稿除文中特别加以标注和致谢之外，不侵犯任何版权或损害第三方的任何其他权利。如果20天后未收到本刊的录用通知，可自行处理(双方另有约定的除外)。三、来稿经审阅通过，编辑部会将修改意见反馈给您，您应在收到通知7天内提交修改稿。作者享有引用和复制该文的权利及著作权法的其它权利。四、一般来说，4500字（电脑WORD统计，图表另计）以下的文章，不能说清问题，很难保证学术质量，本刊恕不受理。五、论文格式及要素：标题、作者、工作单位全称(院系处室)、摘要、关键词、正文、注释、参考文献(遵从国家标准：GB\T7714-2005，点击查看参考文献格式示例)、作者简介(100字内)、联系方式(通信地址、邮编、电话、电子信箱)。六、处理流程：（1）通过电子邮件将稿件发到我刊唯一投稿信箱（2）我刊初审周期为2－3个工作日，请在投稿3天后查看您的邮箱，收阅我们的审稿回复或用稿通知；若30天内没有收到我们的回复，稿件可自行处理。（3）按用稿通知上的要求办理相关手续后，稿件将进入出版程序。（4）杂志出刊后，我们会按照您提供的地址免费奉寄样刊。七、凡向文教资料杂志社投稿者均被视为接受如下声明：（1）稿件必须是作者本人独立完成的，属原创作品（包括翻译），杜绝抄袭行为，严禁学术腐败现象，严格学术不端检测，如发现系抄袭作品并由此引起的一切责任均由作者本人承担，本刊不承担任何民事连带责任。（2）本刊发表的所有文章，除另有说明外，只代表作者本人的观点，不代表本刊观点。由此引发的任何纠纷和争议本刊不受任何牵连。（3）本刊拥有自主编辑权，但仅限于不违背作者原意的技术性调整。如必须进行重大改动的，编辑部有义务告知作者，或由作者授权编辑修改，或提出意见由作者自己修改。（4）作品在《文教资料》发表后，作者同意其电子版同时发布在文教资料杂志社官方网上。（5）作者同意将其拥有的对其论文的汇编权、翻译权、印刷版和电子版的复制权、网络传播权、发行权等权利在世界范围内无限期转让给《文教资料》杂志社。本刊在与国内外文献数据库或检索系统进行交流合作时，不再征询作者意见，并且不再支付稿酬。九、特别欢迎用电子文档投稿，或邮寄编辑部,勿邮寄私人，以免延误稿件处理时间。

眼科与耳鼻咽喉科论文_基于卷积神经网络的眼科

作者:

关键词:

摘要：

文章目录

0 引言

1 数据和方法

1.1 数据

1.2 方法

1.2.1 构建样本数据集

1.2.2 搭建的图像分类网络的结构

(1) 输入层。

(2) 卷积层和激活函数。

(3) 池化层。

(4) Dropout层。

(5) 全连接层和输出层。

1.2.3 训练分类网络

2 结果

2.1 模型的评估指标

2.2 实验结果

3 讨论

4 结论

文章摘要:目的提出一种基于卷积神经网络（convolutional neural network, CNN）的眼科光学相干断层成像（optical coherence tomography, OCT）图像自动分类方法,实现对视网膜OCT图像的自动分类,缓解人工诊断依赖医生的临床经验、费时费力等问题。方法基于公开的数据集2014_BOE_Srinivasan构建了2个样本数据集。其中样本数据集一为仅对数据集中的图像进行预处理后裁剪,样本数据集二为对取出测试集后剩余图像的裁剪过程中引入随机平移和水平翻转技术对图像进行扩充,并划分为训练集和验证集。搭建基于CNN的视网膜OCT图像分类网络,并分别使用两个数据集训练网络得到分类模型。最后使用独立的测试集对模型进行测试,并通过输出混淆矩阵查看模型对3种类别图像的分类情况。结果通过混淆矩阵计算得出,使用扩充后的图像训练的分类模型的准确度为93.43%,灵敏度为91.38%,特异度为95.88%。结论提出的基于CNN的视网膜OCT图像自动分类方法可以对老年性黄斑变性、糖尿病性黄斑水肿和正常3种类别的视网膜OCT图像进行分类。同时,数据扩充有助于提高分类算法的性能。

文章关键词:

项目基金:《眼科》网址: http://www.ykzzs.cn/qikandaodu/2021/1216/1161.html