基于深度网络特征的亮视网膜病变自动分类
计算机视觉与模式识别
2017-07-31 v3
摘要
糖尿病视网膜病变由经验丰富的眼科医生通过彩色眼底图像及时诊断，以识别潜在视网膜特征并发现早期盲病例。本文提出从四个不同的预训练卷积神经网络的最后全连接层提取深度特征。这些特征随后被输入非线性分类器以区分三类糖尿病病例，即正常、渗出物和玻璃疣。在从六个公开可用标注数据集收集的 1113 张彩色视网膜图像上取平均，深度特征方法表现优于经典的词袋方法。所提方法的平均准确率在 91.23% 和 92.00% 之间，较传统最优方法提升超过 13%。
引用
@article{arxiv.1707.02022,
title = {Automatic Classification of Bright Retinal Lesions via Deep Network Features},
author = {Ibrahim Sadek and Mohamed Elawady and Abd El Rahman Shabayek},
journal= {arXiv preprint arXiv:1707.02022},
year = {2017}
}
备注
Preprint submitted to Journal of Medical Imaging | SPIE (Tue, Jul 28, 2017)