利用双流机器学习模型在稀疏数据极限下自动分类视网膜疾病
计算机视觉与模式识别
2018-11-05 v4
摘要
视网膜疾病的自动临床诊断已成为在缺乏专科医生的地区促进发现的 promising 途径。基于眼底结构与血管异常是视网膜疾病主要特征这一事实，我们提出了一种混合支持向量机（SVM）与深度神经网络（DNNs）的新型视觉辅助诊断混合模型。此外，我们提出了一个名为 EyeNet2 的新的临床视网膜数据集，涵盖 52 种视网膜疾病类别。使用 EyeNet2，我们的模型达到了 90.43% 的诊断准确率，且模型性能可与专业眼科医生相媲美。
引用
@article{arxiv.1808.05754,
title = {Auto-Classification of Retinal Diseases in the Limit of Sparse Data Using a Two-Streams Machine Learning Model},
author = {C. -H. Huck Yang and Fangyu Liu and Jia-Hong Huang and Meng Tian and Hiromasa Morikawa and I-Hung Lin and Yi-Chieh Liu and Hao-Hsiang Yang and Jesper Tegner},
journal= {arXiv preprint arXiv:1808.05754},
year = {2018}
}
备注
A extension work of a workshop paper arXiv admin note: substantial text overlap with arXiv:1806.06423