引用次数: 10
摘要
眼部疾病或眼部疾病的抽象症状对一些人的寿命有影响。眼部疾病或多种眼部疾病包括白内障、青光眼和视网膜疾病。眼部疾病是最常见的致盲原因。从这些描述来看，在失明之前发现眼睛疾病或疾病是很重要的。这项研究的目的是利用神经通路网络(CNN)对眼睛疾病进行分类，它是Alexnet的设计者，其目的是利用需要三个阶段的四个阶段的过程，从而将图像大小缩小到224x224px。下一步是在CNN使用150 epoch的实现上提取3层的自闭层、Pooling层、完全连接层的功能。用CNN方法分类眼睛疾病的研究结果为98.37%。关键词:眼睛疾病、分类、神经功能障碍(CNN)，还被称为眼睛疾病，这是一种可能影响某些人生命的情况。有许多类型的斑纹、包括白内障、青光眼和视网膜疾病的眼科疾病或疾病。这种眼睛疾病或疾病是最常见的失明原因。从本质上看。是非常重要的检测之前眼疾病或negligence blindness occurs这个研究用的aims to classify眼diseases Alexnet textured Convolutional神经网络(CNN) with an用4课堂in the form of that require更新过程的三个阶段,namely conducting ahap pre-processing哪种results in an 224x224px之大小的形象。下一阶段的功能是3层的激发，namely convuy, Pooling层层，完全连接，完全连接网络的实现uses 150 epochs。眼病分类研究使用反导神经网络方达率是98.37%。Keywords:眼睛疾病，分类，神经网络转换。本文章由计算机程序翻译，如有差异，请以英文原文为准。
Klasifikasi Penyakit Mata Menggunakan Convolutional Neural Network (CNN)
Abstrak Gangguan pada mata atau disebut juga penyakit mata adalah suatu kondisi yang mampu mempengaruhi jangka waktu hidup bagi sebagian orang. Gangguan mata atau penyakit mata banyak sekali jenisnya, diantaranya yaitu katarak, glaukoma dan retina disease . Gangguan atau penyakit mata tersebut merupakan penyebab kebutaan yang paling sering terjadi. Melihat dari uraian tersebut, penting sekali untuk mendeteksi penyakit mata atau kelaianan sebelum terjadi kebutaan. Penelitian ini bertujuan untuk klasifikasi penyakit mata menggunakan Convolutional Neural Network (CNN) berarsitekstur Alexnet dengan pembaruan berupa menggunakan 4 kelas yang membutuhkan 3 tahap proses yaitu melakukan tahap pre-processing yang menghasilkan ukuran citra menjadi 224x224px. Tahap selanjutnya adalah ekstraksi fitur dengan 3 layer yaitu Convutional Layer, Pooling Layer, Fully Connected Layer , Pada implementasi CNN menggunakan 150 epoch. Hasil akurasi dari penelitian klasifikasi penyakit mata menggunakan metode CNN adalah 98.37%. Kata kunci: penyakit mata, klasifikasi, convolutional neural network (CNN) Abstract An eye disorder, also called a disease of the eye, is a condition that can affect the lifespan of some people. Eye disorders or diseases of which there are many types, including kataraks, glaukoma and retina disease. This eye disorder or disease is the most common cause of blindness. Seeing from the description. It is very important to detect eye disease or negligence before blindness occurs This study aims to classify eye diseases using the Alexnet textured Convolutional Neural Network (CNN) with an update in the form of using 4 classes that require 3 stages of the process, namely conducting ahap pre-processing which results in an image size of 224x224px. The next stage is Feature Extraction with 3 layers, namely Convutional Layer, Pooling Layer, Fully Connected Layer, the implementation of the Convolutional Neural Network implementation uses 150 epochs. The accuracy of the eye disease classification study using the Convolutional Neural Network method was 98.37%. Keywords: eye disease, classification, convolutional neural network (CNN).
求助全文
通过发布文献求助，成功后即可免费获取论文全文。
去求助
求助内容：
应助结果提醒方式：
京公网安备 11010802042870号
