基于 CNN-LSTM 组合网络的眼底图像白内障检测

Dishant Padalia; Abhishek Mazumdar; Bharati Singh

基于 CNN-LSTM 组合网络的眼底图像白内障检测

计算机视觉与模式识别 2022-10-31 v1 人工智能机器学习

作者: Dishant Padalia , Abhishek Mazumdar , Bharati Singh

摘要

根据包括世界卫生组织在内的多个权威机构，视力相关损伤与疾病正成为一个重大问题。根据近期报告，50岁以上人群不可逆盲的主要原因之一是白内障治疗延迟。白内障是眼睛晶状体中的混浊斑点，导致视觉丧失。白内障通常发展缓慢，并因此导致驾驶、阅读甚至识别面部困难。这需要开发快速可靠的眼病诊断与治疗方案。此前，此类视觉疾病诊断靠人工完成，耗时且易出错。然而，随着技术进步，可减小时间与人力并产生可信结果的自动化、基于计算机的方法现已可用。在本研究中，我们开发了基于CNN-LSTM的模型架构，旨在创建一种低成本诊断系统，可从眼底图像分类正常与白内障眼病病例。所提模型在公开可用的ODIR数据集上训练，该数据集包含患者左右眼的眼底图像。所建议的架构以97.53%的SOTA准确率优于先前系统。

关键词

白内障检测 CNN-LSTM 眼底图像 ODIR数据集计算机辅助诊断深度学习

引用

@article{arxiv.2210.16093,
  title  = {A CNN-LSTM Combination Network for Cataract Detection using Eye Fundus Images},
  author = {Dishant Padalia and Abhishek Mazumdar and Bharati Singh},
  journal= {arXiv preprint arXiv:2210.16093},
  year   = {2022}
}

备注

8 pages, 3 figures

基于 CNN-LSTM 组合网络的眼底图像白内障检测

摘要

关键词

引用

备注

相关论文