基于原始视盘旁 OCT 图像的手工特征与自动学习特征在青光眼检测中的分析
图像与视频处理
2020-09-10 v1
摘要
考虑到青光眼是全球致盲的首要原因，本文提出三种不同的学习方法来检测青光眼，以阐明传统机器学习技术可能优于深度学习算法，尤其在图像数据集较小时。实验在一个私人数据库上进行，该库由专家眼科医生诊断的 194 张青光眼性和 198 张正常 B-scan 组成。作为创新点，我们仅使用原始视盘旁 OCT 图像来构建预测模型，而未使用如视野和眼压测量等其他昂贵检查。结果证实，所提出的基于新描述子的手驱学习模型优于自动学习。此外，由两种策略组合而成的混合方法报告了最佳性能，在预测阶段 ROC 曲线下面积为 0.85，准确率为 0.82。
引用
@article{arxiv.2009.04190,
title = {Analysis of Hand-Crafted and Automatic-Learned Features for Glaucoma Detection Through Raw Circmpapillary OCT Images},
author = {Gabriel García and Adrián Colomer and Valery Naranjo},
journal= {arXiv preprint arXiv:2009.04190},
year = {2020}
}
备注
8 pages, 4 figures, 2 tables