利用卷积神经网络在低内存边缘设备分类糖尿病视网膜病变阶段的研究进展
图像与视频处理
2021-06-04 v1 计算机视觉与模式识别
机器学习
摘要
糖尿病视网膜病变（DR）是一种可能导致视网膜血管损伤的严重并发症，也是视力受损与失明的主要原因之一。DR 大致分为两个阶段——非增殖性（NPDR），几乎无症状，仅少数微动脉瘤；以及增殖性（PDR），涉及大量微动脉瘤与出血、软硬渗出物、新生血管、黄斑缺血或这些情况的组合，因而更易检测。更具体地，DR 通常分为 0-4 共五个等级，0 表示无 DR，4 表示最严重。本文首先讨论该疾病的危险因素，继而综述近期相关文献，并考察若干被证实可显著提高预后准确性的技术。最后，提出一种卷积神经网络模型，用于在低内存边缘微控制器上检测 DR 的所有阶段。该模型大小仅 5.9 MB，准确率与 F1 分数均为 94%，推理速度约 20 帧每秒。
引用
@article{arxiv.2106.01739,
title = {Advances in Classifying the Stages of Diabetic Retinopathy Using Convolutional Neural Networks in Low Memory Edge Devices},
author = {Aditya Jyoti Paul},
journal= {arXiv preprint arXiv:2106.01739},
year = {2021}
}
备注
This paper is currently under review at IEEE MASCON 2021. http://ieeemascon.in