盲症（糖尿病性视网膜病变）严重程度分级检测
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
糖尿病性视网膜病变（DR）是糖尿病的严重并发症，可导致永久性失明。及时诊断和治疗 DR 对避免完全视力丧失至关重要。人工诊断耗时且易出错。本文中，我们提出一种基于深度学习的新方法，用于视网膜眼底图像自动筛查，依据严重程度检测并分类 DR。该方法采用深度神经网络双路径配置以实现目标。第一步，使用改进的基于 UNet++ 的视网膜血管分割生成一幅眼底图像，突出出血、棉絮斑和渗出物等对识别 DR 分期至关重要的元素。随后，两个卷积神经网络（CNN）分类器分别将原始图像和新生成的眼底图像作为输入，在 0 至 4 的量表上识别 DR 严重程度。这两个分数随后通过浅层神经网络分类器（ANN）预测最终 DR 分期。公开数据集 STARE、DRIVE、CHASE DB1 和 APTOS 用于训练与评估。我们的方法达到 94.80% 的准确率和 0.9254 的二次加权kappa（QWK）分数，优于许多 SOTA 方法。
引用
@article{arxiv.2110.01333,
title = {Blindness (Diabetic Retinopathy) Severity Scale Detection},
author = {Ramya Bygari and Rachita Naik and Uday Kumar P},
journal= {arXiv preprint arXiv:2110.01333},
year = {2021}
}
备注
7 pages, 7 figures, 2021 8th Swiss Conference on Data Science (SDS)