摘要：目的研究基于遷移學(xué)習(xí)的糖尿病視網(wǎng)膜病變(DR)診斷算法在小樣本訓(xùn)練數(shù)據(jù)集中的應(yīng)用。方法采用廣東省肇慶市高要區(qū)人民醫(yī)院拍攝的4465幅彩色眼底照片作為完整數(shù)據(jù)集。使用固定預(yù)訓(xùn)練參數(shù)和微調(diào)預(yù)訓(xùn)練參數(shù)的模型訓(xùn)練策略作為遷移學(xué)習(xí)組,將其與非遷移學(xué)習(xí)的隨機(jī)初始化參數(shù)的策略對(duì)比,并將這3種策略應(yīng)用在ResNet50、Inception V3和NASNet 3種深度學(xué)習(xí)網(wǎng)絡(luò)的訓(xùn)練上。此外,從完整數(shù)據(jù)集中隨機(jī)劃分出小樣本數(shù)據(jù)集,研究訓(xùn)練數(shù)據(jù)的減少對(duì)不同訓(xùn)練策略的影響。采用診斷模型的準(zhǔn)確率和訓(xùn)練時(shí)間分析不同訓(xùn)練策略的效果。結(jié)果取不同網(wǎng)絡(luò)架構(gòu)中的最優(yōu)結(jié)果。微調(diào)預(yù)訓(xùn)練參數(shù)策略取得的模型準(zhǔn)確率為90.9%,高于固定預(yù)訓(xùn)練參數(shù)策略的88.1%及隨機(jī)初始化參數(shù)策略的88.4%。固定預(yù)訓(xùn)練參數(shù)策略的訓(xùn)練所需時(shí)間為10min,少于微調(diào)預(yù)訓(xùn)練參數(shù)策略的16h及隨機(jī)初始化參數(shù)策略的24h。在訓(xùn)練數(shù)據(jù)減少后,隨機(jī)初始化參數(shù)策略得到的模型準(zhǔn)確率平均下降8.6%,而遷移學(xué)習(xí)組準(zhǔn)確率平均下降2.5%。結(jié)論結(jié)合遷移學(xué)習(xí)中的微調(diào)策略和NASNet架構(gòu)的新型識(shí)別算法在小樣本數(shù)據(jù)集下仍保持高準(zhǔn)確率,具有高度的魯棒性,可用于DR的有效篩查。