基于Xception的转移学习和W-Net血管分割的稳健多病种视网膜分类

这项研究利用已建立的深度学习技术（Xception和W-Net）进行多病种视网膜分类，提供了一种潜在的稳健诊断工具。迁移学习的使用表明了效率和在不同数据集上应用的潜力，但需要使用临床数据进行进一步验证。

• •应用Xception进行迁移学习，实现高效的视网膜疾病分类。
• •使用W-Net进行血管分割，可能提高准确性。
• •侧重于多病种分类，扩展诊断能力。