39、基于改进卷积神经网络的虹膜图像糖尿病检测方法

基于改进卷积神经网络的虹膜图像糖尿病检测方法

糖尿病作为一种全球性的健康问题，近年来发病率急剧上升。血糖水平升高是糖尿病的主要表现，而胰腺在胰岛素分泌和血糖调节中起着关键作用。2型糖尿病会使身体对胰岛素产生抵抗，导致胰腺需要分泌更多的胰岛素来降低血糖。然而，在疾病后期，胰腺可能无法产生足够的胰岛素，且在出现实际身体症状之前，胰腺功能就可能开始失调，这使得糖尿病的及时诊断成为一项极具挑战性的任务。

虹膜学与糖尿病检测

虹膜学是一门替代医学科学，它通过分析虹膜的颜色、图案、组织破损和虚弱等特征，来推断患者的整体健康状况。研究表明，在症状出现之前，组织的破损或虚弱就可能在虹膜上有所体现。正常的虹膜图通常将虹膜划分为约80 - 90个区域，每个区域对应着特定的身体器官。

在生物医学应用中，数据挖掘和先进的图像处理方法被认为是有效的疾病诊断工具，可用于胆固醇检测和虹膜学体征分析，以辅助糖尿病的检测。近年来，也有研究尝试使用不同的分类器从虹膜图像中诊断糖尿病。

相关研究综述

• RIICT方法 ：2020年，Wang等人提出了RIICT方法，用于从选定图像和眼底图像中识别病变。该方法利用MF进行视网膜图像的去噪和增强，并将彩色图像转换为灰度图像。基于相似性，DICT算法能够轻松确定受影响的区域，该系统的病变结果分类准确率达到了96.7%。
• 虹膜图像识别眼部病理方法 ：同年，Sujatha等人提出了一种利用虹膜图像识别眼部病理的方法，可在不损失视力的情况下检测青光眼、白内障和糖尿病视网膜病变的不同阶段。该方法应用了多种图像处理技术，包括盲反卷