基于深度卷积神经网络的糖尿病视网膜病变自动分级
摘要
糖尿病视网膜病变是一个全球性的健康问题，影响全球1亿人口，在未来几十年内，其发病率预计将达到流行病规模。糖尿病视网膜病变是一种细微的眼部疾病，可导致突发、不可逆的视力丧失。考虑到眼底照相视网膜图像的视觉复杂性，早期糖尿病视网膜病变的诊断对人类专家而言可能具有挑战性。然而，糖尿病视网膜病变的早期检测可显著改善严重的视力丧失问题。计算机辅助检测系统准确检测糖尿病视网膜病变的能力使其在研究者中广受欢迎。在本研究中，我们利用预训练的DenseNet121网络并进行了若干修改，在APTOS 2019数据集上进行了训练。所提方法在早期检测中优于其他最先进的网络，在多标签分类的糖尿病视网膜病变严重程度分级中达到96.51%的准确率，在单类分类方法中达到94.44%的准确率。此外，我们网络的精确率、召回率、f1-score和二次加权kappa分别报告为86%、87%、86%和91.96%。我们所提架构在计算时间和空间上同时非常简单、准确且高效。
引用
@article{arxiv.2004.06334,
title = {Automated Diabetic Retinopathy Grading using Deep Convolutional Neural Network},
author = {Saket S. Chaturvedi and Kajol Gupta and Vaishali Ninawe and Prakash S. Prasad},
journal= {arXiv preprint arXiv:2004.06334},
year = {2020}
}
备注
\c{opyright} 20xx IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works