AMDNet23：一种结合基于轮廓的卷积神经网络与长短期记忆的深度学习系统用于诊断年龄相关性黄斑变性
图像与视频处理
2023-08-31 v1 计算机视觉与模式识别
摘要
鉴于人口增长，自动化的疾病检测框架可辅助医生进行眼病诊断，产生准确、稳定、快速的结果，并提高早期检测成功率。该工作最初旨在通过采用自适应对比度增强算法（CLAHE）和伽马校正来提升眼底图像质量。在预处理技术中，CLAHE 提升眼底图像的局部对比度，伽马校正增强相关特征的强度。本研究运行于 AMDNet23 深度学习系统，该系统结合了由卷积（CNN）构成的神经网络与短长期记忆（LSTM），以自动从眼底眼科图像中检测年龄相关性黄斑变性（AMD）疾病。在该机制中，CNN 用于提取特征，LSTM 用于检测所提取的特征。本研究的数据集采集自多个来源，随后应用质量评估技术，2000 张实验眼底图像均衡涵盖四个不同类别。所提出的混合深度 AMDNet23 模型展示了对 AMD 眼病的检测，实验结果达到准确率 96.50%、特异度 99.32%、灵敏度 96.5% 和 F1 分数 96.49%。该系统在眼底图像数据集上取得了诊断 AMD 眼病的最先进结果，并有效展示了我们方法的潜力。
引用
@article{arxiv.2308.15822,
title = {AMDNet23: A combined deep Contour-based Convolutional Neural Network and Long Short Term Memory system to diagnose Age-related Macular Degeneration},
author = {Md. Aiyub Ali and Md. Shakhawat Hossain and Md. Kawar Hossain and Subhadra Soumi Sikder and Sharun Akter Khushbu and Mirajul Islam},
journal= {arXiv preprint arXiv:2308.15822},
year = {2023}
}