基于猎鹰优化算法的深度学习模型组合，用于视网膜眼底图像的糖尿病视网膜病变诊断

《Scientific Reports》：An ensemble of deep learning models with falcon optimization assisted diabetic retinopathy diagnosis on retinal fundus images

　　

摘要

糖尿病视网膜病变是糖尿病带来的常见并发症，会导致视网膜出现异常病变。若未能在早期发现，病情可能会发展至完全失明。不幸的是，糖尿病视网膜病变属于不可逆疾病，治疗只能维持现有的视力。及时检测并准确治疗该疾病能够显著降低失明的风险。眼科医生通过视网膜图像手动诊断糖尿病视网膜病变不仅耗时、成本高昂且工作量大，还存在较高的误诊风险。近年来，深度学习在医学图像分析及分类领域展现出出色性能，逐渐受到重视。卷积神经网络被越来越多地用作医学图像分析中的深度学习方法，其效率极高。本文提出了基于深度学习算法集成辅助的糖尿病视网膜病变诊断系统——猎鹰优化器系统（FOEDLA-DRDM），该系统针对视网膜图像进行处理。首先，该系统采用维纳滤波法对图像进行预处理，以去除噪声；随后利用SE-DenseNet方法生成特征向量。在糖尿病视网膜病变识别阶段，该系统采用集成方法，结合自编码器、长短期记忆网络和深度信念网络这三种模型。最后，猎鹰优化器会调整集成模型中的超参数值，从而提升分类效率。该系统通过在Kaggle上的糖尿病视网膜病变数据集进行模拟验证，根据多项标准评估其性能，模拟结果充分体现了其在糖尿病视网膜病变诊断方面的有效性。