Page 191 - 计算机应用软件开发技术研究

第六章 计算机网络安全动态评估关键技术研究

至超越专业皮肤科医生。该团队的工作代表了皮肤图像自动分析领域的最新研究
成果。
2.基于深度学习的视网膜眼底图像检测糖尿病视网膜病变

糖尿病视网膜病变（DR）是糖尿病的常见并发症之一，也是最严重的致盲
因素。随着近几年人工智能诊疗迅速发展，因此实现 DR 筛查的智能化也一直
是研究的重点方向。翁铭等通过比较专家诊断及基于深度学习的人工智能诊断
的应用情况，分析结果显示智能诊断系统与专家诊断结果高度一致性为 309 眼

（83.1%），Kappa 值为 0.78。深度学习的智能诊断系统可以达到较高敏感性及
特异性，适合糖尿病人群初筛且有望为 DR 提供一种新的筛查工具。
3.基于深度学习的乳腺癌筛查乳腺成像
乳腺癌的高发病率趋势也促进了乳房成像技术和诊断概念的巨大变化。有研

究者使用具有转移学习的 CNN 直接从全视野数字乳腺摄影（FFDM）图像中提
取实质特征，Kooi 将 CNN 用于乳腺恶性病变识别，大约 45000 张图像的大型数
据集上进行训练，该方法在低灵敏度下识别结果都优于 CAD 方法，并且在高灵
敏度下具有可比性。

（三）发展趋势与展望
大数据和人工智能等尖端技术在医学领域的应用已成为一种趋势。医疗辅助
诊断领域也逐渐开始沿用到这一技术，深度学习方法不断深入涉及肿瘤等各种疾
病的智能诊断研究中，在图像处理和计算机视觉方面的成功为医学图像的识别提

供了新思路。大数据驱动的深度学习应用于临床疾病早期诊断中，做到早诊早治
同时也有效缓解医疗资源。而且，作为一种数据驱动技术，如果能提供充足的训
练图像数据，对于不同种类的训练样本，就可实现不同分类任务。
目前，深度学习领域的确展现了许多令人瞩目的进展，在医学图像识别中已

取得一定经验性的研究成果，但就总体而言，深度学习在医学图像识别以及疾病
预测模型建立中的应用还处于起步阶段，未来仍有诸多问题需要研究和解决。

三、深度学习在金融风险识别管理领域的应用

（一）应用背景
金融市场上的主体都面临着收益和损失的不确定性，金融产品和工具的多样
化趋势，都体现着风险管理的重要性。全球市场在过去的几十年间发生了数次规

·179·