李果璟，夏秋婷，李 宏

(杭州电子科技大学自动化(人工智能)学院，浙江 杭州310018)

眼底是人体唯一能直接看到血液循环状况及微循环结构的部分[1]。 传统眼底检查的流程是患者前往医院拍摄眼底照片，眼科医生依据图像进行诊断。 但日益上升的患者人数造成专业眼科医生短缺，医生工作愈发繁重等问题逐渐显现。 并且，仅仅凭靠医生肉眼观察分析的传统诊断方法所带来的效率低下、误诊、漏诊等问题也不容忽视。 因而，利用计算机技术辅助眼底诊断，进行眼底健康筛查十分必要。

糖尿病(Diabetes Mellitus，DM)和眼底病变的发生存在一定的关联性，由胰岛素分泌缺陷或者胰岛素作用障碍造成的糖尿病会给患者带来血糖升高，血管性改变等后果[2]。 在全球范围内，糖尿病引发的眼底视网膜病变(Diabetic retinopathy，DR)是致盲的首要因素，是许多国家成年人失明的最主要病因之一[2-4]。

深度学习[5-10](Deep Learning) 是机器学习(Machine Learning)方法中的一种。 深度学习在眼科上的应用目前取得了很多成果。 Gulshan 等人[11]在2016年就利用Inception-v3 结构将深度学习技术应用在糖尿病眼底视网膜病变的诊断上，且实验结果十分成功；Muhammad 等人[12]设计了一种基于Alexnet 网络与随机森林方法混合的深度学习方法(HDLM)，基于OCT 眼底图像对52 名青光眼患者眼底图像进行是否为青光眼的诊断；Felix 等人[13]设计的神经网络与随机神经结合的模型，对年龄相关性黄斑病变进行12 个等级的分类。

本文利用全局信息对整个眼底图像进行特征提取，随后进行分类。 其创新点在于，提出了一种针对眼底视网膜图像的多疾病多标签分类的解决方案；……