RegNetX064 模型：眼底图像助力糖尿病视网膜病变早期诊断的新希望

《Biomedical Engineering》：A study of the effectiveness of convolutional neural network models in solving the problem of classifying images of the fundus in terms of the presence of signs of diabetic retinopathy

为解决糖尿病视网膜病变（DR）早期诊断问题，研究人员开展了 InceptionV3、NASNetMobile 等 5 种人工智能模型对眼底图像分类准确性的对比研究。结果显示 RegNetX064 模型准确率达 93.3% ，可优化 DR 早期诊断。

　　糖尿病视网膜病变是导致人类不可逆失明的主要原因。利用人工智能算法有助于通过眼底图像优化该疾病的早期诊断。在此报告对 InceptionV3、NASNetMobile、ResNet50、RegNetX064 和 MobileNetV2 等人工智能模型分类准确性的比较研究。所有模型均在包含 131,805 张眼底照片的数据集上进行训练。选择准确率最高的算法后，评估了加权平均分数（F1 分数）、特异性和敏感性等指标。RegNetX064 神经网络架构在准确率方面表现最佳（93.3%）。该模型的平均加权分数（F1 分数）为 93.1%，特异性为 96%，敏感性为 90.5%。这些结果表明，RegNetX064 模型可通过对视网膜图像进行自动分类，优化糖尿病视网膜病变的早期诊断。