用于年龄相关性黄斑变性分类的多任务深度学习模型
机器学习
2018-12-04 v1 计算机视觉与模式识别
摘要
年龄相关性黄斑变性（AMD）是致盲的主要原因之一。尽管年龄相关性眼病研究组先前开发了一种9级AMD严重程度量表，用于从彩色眼底图像中手动分类AMD严重程度，但图像的手动分级耗时且昂贵。基于我们之前的工作DeepSeeNet，我们开发了一种新颖的深度学习模型，用于将图像自动分类为9级量表。我们的方法并非直接预测9级评分，而是模拟阅片中心的分级过程。它首先检测四种AMD特征（玻璃膜疣面积、地图状萎缩、色素增加和脱色素），然后将这些特征组合以得出总体9级评分。重要的是，我们应用了多任务学习技术，使我们能够并行训练这四种特征的分类、共享表示并防止过拟合。在两个图像数据集上的评估表明，该模型的准确率超过了当前最先进模型10%以上。
引用
@article{arxiv.1812.00422,
title = {A multi-task deep learning model for the classification of Age-related Macular Degeneration},
author = {Qingyu Chen and Yifan Peng and Tiarnan Keenan and Shazia Dharssi and Elvira Agron and Wai T. Wong and Emily Y. Chew and Zhiyong Lu},
journal= {arXiv preprint arXiv:1812.00422},
year = {2018}
}
备注
10 pages, 5 figures, and 5 tables To appear in the Proceeding of AMIA Informatics 2019