使用深度特征一致变分自编码器评估视网膜眼底照片中的青光眼
图像与视频处理
2021-10-05 v1 计算机视觉与模式识别
机器学习
摘要
青光眼是导致失明的主要原因之一，其难以检测，因为在症状严重前无症状。因此，通常直到标志物易于识别即损害已发生时才可能诊断。青光眼的早期识别一般基于功能、结构和临床评估。然而，由于疾病性质，研究者仍争论哪些标志物可视为一致的青光眼指标。深度学习方法通过绕过标志物识别阶段并直接分析高层信息以分类数据，部分解决了这一困境。尽管有利，这些方法使专家分析困难，因其未提供模型判别过程的见解。本文中，我们使用深度生成网络克服此问题，这是一种学习复杂高维概率分布的深度学习模型。我们训练深度特征一致变分自编码器（DFC-VAE）以重建视盘图像。我们表明，从DFC-VAE获得的较小潜空间可学习高维青光眼数据分布，并提供正常眼与青光眼眼之间的判别证据。我们模型大小为低至128的潜表示在使用支持向量分类器训练时获得了0.885的受试者工作特征曲线下面积。
引用
@article{arxiv.2110.01534,
title = {Assessing glaucoma in retinal fundus photographs using Deep Feature Consistent Variational Autoencoders},
author = {Sayan Mandal and Alessandro A. Jammal and Felipe A. Medeiros},
journal= {arXiv preprint arXiv:2110.01534},
year = {2021}
}
备注
Corresponding author: Felipe A. Medeiros