基于迁移学习与集成学习的糖尿病视网膜病变检测改进模型
图像与视频处理
2023-08-11 v1 计算机视觉与模式识别
摘要
糖尿病视网膜病变（DR）是一种由持续高血糖引起的眼部疾病，导致视网膜毛细血管阻塞和出血，造成视网膜组织损伤。它通常导致失明。早期检测有助于降低DR风险及其严重程度。鲁棒且准确的糖尿病视网膜病变预测与检测是一项具有挑战性的任务。本文开发了一种完全准确的糖尿病视网膜病变检测机器学习模型。在迁移学习（TL）方法中，使用了ResNet50、InceptionV3、Xception、DenseNet121、VGG19、NASNetMobile、MobileNetV2、DenseNet169和DenseNet201等预训练模型，并在其底部加入池化层、全连接层以及适当的丢弃层。执行了数据增强和正则化以减少过拟合。DenseNet121的迁移学习模型，以及DenseNet169和DenseNet201 TL架构的平均集成与加权集成分别贡献了最高100%的准确率，以及最高100%、100%和100%的精确率、召回率、F1分数。
引用
@article{arxiv.2308.05178,
title = {An Improved Model for Diabetic Retinopathy Detection by using Transfer Learning and Ensemble Learning},
author = {Md. Simul Hasan Talukder and Ajay Kirshno Sarkar and Sharmin Akter and Md. Nuhi-Alamin},
journal= {arXiv preprint arXiv:2308.05178},
year = {2023}
}
备注
22 pages, 7 Tables and 7 Figures