连先峰 刘志勇,2* 张 琳 韩雨晨 史国梅

1(东北师范大学信息科学与技术学院 吉林 长春 130117) 2(东北师范大学教育部数字化学习支撑技术工程研究中心 吉林 长春 130117) 3(吉林大学软件学院 吉林 长春 130012)

0 引 言

2018年，国际糖尿病联盟(IDF)发布的第8版糖尿病地图数据以及《2018—2024年中国糖尿病药物行业分析与投资决策咨询报告》显示：2017年，全球约有4.25亿人患有糖尿病，其中我国约为1.14亿，位列第一。2017年“中国糖网筛防工程”研究中心调研报告指出，我国糖尿病人群中糖网(糖尿病性视网膜)患病率为25%～47%，平均在30%左右，这也意味着中国有3 000万～3 500万人口患此疾病。研究表明，糖尿病性视网膜患者失明概率比正常人高25倍。由于发病初期眼底视网膜血管图像特征变化不明显，且存在人工识别病变图像费时费力、准确率不高、主观性强等问题，以至于该疾病的筛查率不足10%，延误了患者的最佳治疗时机。针对以上问题，我们迫切需要建立一个糖尿病性视网膜病变图像识别模型，高效且准确地识别病变图像，让患者在发病初期得到有效治疗。

从2012年至今，深度学习[1]在世界上获得突破性进展，其中图像识别成为广大专家和学者的热门研究点。李琼等[2]以Alex-Net[3]网络模型为基础，通过在每个卷积层和全连接层前引入批归一化层得到结构更复杂的卷积神经网络BN-Net。该模型将糖尿病性视网膜图像按照病变程度分为5类，准确率达到93%。但该方法在图像预处理、特征提取和图像分类3个阶段中并未形成一个完整的系统，且Alex-Net网络结构也有待进一步优化。……