眼科疾患分類のための深層学習モデルの最適化

網膜の構造要素や異常を記録する技術である眼底画像は、眼科疾患の観察と特定に不可欠です。高血圧、緑内障、糖尿病性網膜症などの疾患は、視神経乳頭、血管、中心窩、黄斑の構造的変化によって示されます。患者はしばしば一方または両方の目で様々な眼科的状態に対処しています。本稿では、転移学習に基づく畳み込みニューラルネットワーク（CNN）手法を利用して、眼科疾患を複数のクラスおよびラベルに分類するために異なる深層学習モデルを使用しました。実験には眼病知的認識（ODIR）データベースを使用し、患者の左目および右目の眼底画像が含まれています。二つの異なる最適化手法、確率的勾配降下法（SGD）とAdamの性能をそれぞれ比較しました。最良の結果は、Adam最適化器を使用したMobileNetモデルで得られ、テスト精度は89.64%に達しました。