四、卷积神经网络

作为一类具有识别和分类能力的深度人工神经网络，卷积神经网络（convolutional neural networks，CNN）是最流行的深度学习模型，用于包括医学成像在内的计算机视觉任务。其他深度学习算法包括CNN的集成、迁移学习、CNN与传统机器学习的结合、完全卷积神经网络和自动编码器。CNN是一种可用于视觉处理的前反馈神经网络结构体系，主体结构由多组单位构成，简单地说，是一种高效的运算网络。其编码结构类似于视觉皮质神经元之间的连接模式。这种网络同样成层分布，但类型特殊。它应用一种被称为卷积的数学滤波操作，使单个神经元仅接受子域的处理数据，并模拟其对视觉刺激的反应。这些滤波器充当特殊的特征检测器，当输入图像经过网络的连续卷积层处理时，该过程中的滤波器被叠加在一起，从而逐步创建更具描述性和复杂性的特征检测器。同时，它可模拟大脑层级学习方法，通过局部感受野、权值共享、稀疏连接等方法实现图像位置平移、比例缩放等，避免了复杂的前期预处理过程，可对直接输入的原始图像进行特征学习和识别，所以在模式识别领域取得了显著成绩。

近年来，人工智能在医学领域的应用范围不断扩大，已成为医疗行业关注的焦点，尤其是在图像及数据相对集中的领域更为明显，眼底病便属于这一领域。