一种用于从眼底图像中检测可转诊糖尿病视网膜病变的可解释多示例方法
计算机视觉与模式识别
2021-10-22 v1
摘要
糖尿病视网膜病变（DR）是全球视力丧失的主要原因。然而尽管其患病广泛，大多数患者缺乏评估其病情所需的专科眼科医生和设备。这可能导致治疗开始的延迟，从而降低其成功预后的机会。已有研究提出在眼底图像中自动检测该疾病的机器学习系统，以作为偏远地区患者获得 DR 严重程度估计的手段，甚至补充人类专家的诊断。本文提出一种基于多示例学习范式的、用于眼底图像中可转诊 DR 检测的机器学习系统。通过从图像块提取局部信息并经注意力机制高效整合，我们的系统能够实现高分类准确率。此外，它还能通过 DR 的特征性病变高亮潜在的发病图像区域。我们在公开可用的视网膜图像数据集上评估了我们的方法，其表现出接近最先进的性能，同时也能产生对其预测的可解释可视化。
引用
@article{arxiv.2103.01702,
title = {An Interpretable Multiple-Instance Approach for the Detection of referable Diabetic Retinopathy from Fundus Images},
author = {Alexandros Papadopoulos and Fotis Topouzis and Anastasios Delopoulos},
journal= {arXiv preprint arXiv:2103.01702},
year = {2021}
}
备注
11 pages