AI眼病诊断新突破：自建CNN模型RSG-Net详解

A deep learning based model for diabetic retinopathy grading作者Samia Akhtar, Shabib Aftab, Oualid Ali, Munir Ahmad, Muhammad Adnan Khan, Sagheer Abbas, Taher M. Ghazal发表期刊Scientific Reports无源代码发表时间2025年1月30文章概要针对人工阅片费时费力且易出错传统方法依赖手工特征适应性差、准确率有限的问题作者旨在开发一个自动化、高效、准确的DR分级系统支持4级多分类和2级二分类两种任务。使用数据集公开数据集Messidor-1共1200张眼底图像4个等级分布不均衡预处理手段裁剪去除黑色背景提取眼部ROI。去噪高斯模糊3×3核平衡降噪与细节保留。对比度增强在YUV空间的亮度通道上做直方图均衡化HE不改变颜色。统一尺寸缩放到200×200×3。数据增强解决类别不平衡等级1样本最少。采用几何翻转、旋转、缩放和光度亮度、对比度、色彩调整增强最终4级样本增至8304张2级增至4800张。提出的模型介绍;如上图所示自建CNN非预训练模型共4个卷积层滤波器数32→32→64→1282个最大池化层1个展平层1个全连接层128神经元批归一化Dropout0.1输出层多分类用Softmax二分类用Sigmoid。关键设计从低层到高层逐渐增加滤波器数量提取从边缘到高级特征。批归一化加速训练、稳定收敛。Dropout和早停EarlyStopping、学习率衰减ReduceLROnPlateau防止过拟合。优化器SGDlr0.001批大小6430个epoch损失函数分类交叉熵/二元交叉熵。实验效果;