基于图像处理与 Salp 群优化算法优化集成网络的糖尿病视网膜病变 AI 诊断增强
计算机视觉与模式识别
2025-03-19 v1
摘要
糖尿病视网膜病变是糖尿病患者失明的主要原因，早期检测对预防视力丧失至关重要。传统诊断方法通常耗时且容易出错。深度学习技术的出现为提高诊断效率提供了创新方案。然而，单一深度学习模型在从复杂视网膜图像中提取关键特征时经常面临问题。为解决这一问题，我们提出了一种有效的糖尿病视网膜病变诊断集成方法，包含四个主要阶段：图像预处理、骨干预训练模型选择、特征增强和优化。我们的方法从预处理阶段开始，采用 CLAHE 增强图像对比度，然后使用 Gamma 校正调整亮度以更好地识别特征。随后，我们应用离散小波变换 (DWT) 进行图像融合，通过结合多分辨率细节创建更丰富的数据集。然后，我们选择了三个性能最佳的预训练模型，即 DenseNet169、MobileNetV1 和 Xception，用于多样化的特征提取。为进一步改善特征提取，每个模型中都集成了改进的残差块。最后，通过加权集成方法聚合这些基础模型的预测，权重通过 Salp 群优化算法 (SSA) 进行优化。SSA 智能地探索权重空间，找到基础架构的最优配置以最大化集成模型的性能。所提出的模型在多类 Kaggle APTOS 2019 数据集上进行评估，获得了 88.52% 的准确率。
引用
@article{arxiv.2503.14209,
title = {AI-Driven Diabetic Retinopathy Diagnosis Enhancement through Image Processing and Salp Swarm Algorithm-Optimized Ensemble Network},
author = {Saif Ur Rehman Khan and Muhammad Nabeel Asim and Sebastian Vollmer and Andreas Dengel},
journal= {arXiv preprint arXiv:2503.14209},
year = {2025}
}