基于元启发式优化和机器学习的三流深度特征选择用于多阶段高血压视网膜病诊断

本研究解决了高血压视网膜病（HR）诊断中现有方法效率低下和主观性强的问题。研究提出了一种三阶段的方法，通过融合多种卷积神经网络的深度特征并结合机器学习算法，取得了更高的诊断准确率。最终结果显示，采用元启发式优化进行特征选择的模型在HR诊断的准确率和泛化能力上显著优于单一CNN模型及以往研究。