基于迁移学习方法的糖尿病视网膜病变检测系统综述
图像与视频处理
2021-05-31 v1 计算机视觉与模式识别
摘要
现代社会中糖尿病及相关糖尿病视网膜病变（DR）的病例正以惊人的速度增长。DR的早期检测是一个重要问题，因为其在晚期可能导致永久性失明。在过去二十年中，许多不同的方法已应用于DR检测。回顾学术文献表明，深度神经网络（DNNs）已成为DR检测中最受青睐的方法。在这些DNN方法中，卷积神经网络（CNN）模型是医学图像分类领域中使用最多的模型。设计新的CNN架构是一项繁琐且耗时的过程。此外，训练海量参数也是一项困难任务。由于这个原因，近年来建议使用预训练模型而非从头训练CNN，作为迁移学习方法。据此，本综述研究聚焦于基于DNN和迁移学习的DR检测应用，考虑了2015年至2020年间的38篇出版物。已发表的文章通过9幅图和10个表格进行总结，给出了22个预训练CNN模型、12个DR数据集以及标准性能指标的信息。
引用
@article{arxiv.2105.13793,
title = {A systematic review of transfer learning based approaches for diabetic retinopathy detection},
author = {Burcu Oltu and Büşra Kübra Karaca and Hamit Erdem and Atilla Özgür},
journal= {arXiv preprint arXiv:2105.13793},
year = {2021}
}
备注
25 pages 9 figures 10 tables