一种利用光学相干断层扫描血管成像图像自动分级糖尿病视网膜病变的集成方法
计算机视觉与模式识别
2022-12-14 v1
摘要
糖尿病视网膜病变（DR）是糖尿病的并发症，也是全球人群视力受损的主要原因之一。由于DR早期表现通常非常轻微且难以察觉，通过眼部筛查进行准确诊断对于预防后期视力丧失具有临床重要性。本工作中，我们提出一种利用2022年糖尿病视网膜病变分析挑战赛（DRAC）提供的超广角光学相干断层扫描血管成像（UW-OCTA）图像自动分级DR的集成方法。首先，我们采用最先进的分类网络，即ResNet、DenseNet、EfficientNet和VGG，并在可用数据集的不同划分上训练它们以对UW-OCTA图像进行分级。最终我们得到25个模型，其中选取前16个模型进行集成以生成最终预测。在训练过程中，我们还探究了多任务学习策略，并增加了一项辅助分类任务——图像质量评估，以提升模型性能。我们的终极集成模型在内部测试集上取得了0.9346的二次加权kappa（QWK）和0.9766的曲线下面积（AUC），在DRAC挑战测试集上取得了0.839的QWK和0.8978的AUC。
引用
@article{arxiv.2212.06265,
title = {An Ensemble Method to Automatically Grade Diabetic Retinopathy with Optical Coherence Tomography Angiography Images},
author = {Yuhan Zheng and Fuping Wu and Bartłomiej W. Papież},
journal= {arXiv preprint arXiv:2212.06265},
year = {2022}
}
备注
13 pages, 6 figures, 5 tables. To appear in Diabetic Retinopathy Analysis Challenge (DRAC), Bin Sheng et al., MICCAI 2022 Challenge, Lecture Notes in Computer Science, Springer