cqws1230456的博客

糖尿病视网膜病变（Diabetic Retinopathy，DR）是糖尿病最常见的眼部并发症，也是主要的致盲眼病之一。统计显示，在印度，糖尿病患者中约有18%患有DR，在美国为28.5%，而在我国，这一数字高达65.2%。DR是一种由于糖尿病引起的血管突变，，长期的高血糖环境不仅会造成人体血糖代谢循环紊乱，还会使包括视网膜血管在内的全身的大血管和微血管扭曲变形，严重时甚至可能出现血管破裂等问题。眼睛作为人体内微血管分布最为丰富的器官之一，非常容易受到损伤。DR的潜伏期长短不一，早期难以察觉，但约有50%的具有10年糖尿病病史的患者会出现视力下降等视网膜病变症状，严重时最终甚至可能失明。研究表明，由糖尿病引起的眼部失明是普通致盲率的4倍。 虽然DR后期病情比较严重，但早发现、早检测对治疗和控制病情发展有非常重要的作用，统计数据显示，有效的早期治疗可以使90%的DR患者避免出现视力下降或者失明的情况。 目前进行早期诊断的主要方式是检测视网膜眼底图像，DR患者的眼底图像的临床表现为：微血管瘤、出血斑、渗出、视网膜静脉扩张、出现新生血管等。在临床上，需要一个拥有丰富经验的医生进行人工评估，一般需要1~2天才能拿到诊断结果，而诊断结果的延迟以及费时费力的诊断过程可能耽误患者病情的及时治疗。 采用算法对视网膜眼底图像进行有效的处理和准确的分类是人们希望实现的目标。传统的视网膜图像处理算法需要经过特征选择和提取、训练分类器等步骤，而特征的选择是其中非常关键的一步，会对结果产生非常大的影响，而这完全由人们的经验决定，因此有比较大的不确定性。 与传统机器学习方法不同的是，深度学习将特征提取也作为学习的内容进行训练，让计算机完成特征提取和分类学习的工作，避免过多的人为干预。因此，在这次大作业中利用深度学习对视网膜眼底图像进行分析和处理，采用“预训练+微调”的策略，对1000张正常眼底图像和387张DR眼底图像进行预处理、训练、验证，并给出10折交叉验证的平均准确率和F1-score。

反置数代码，课程作业，源文件，C语言，计算机程序设计基础