使用预训练深度学习模型的糖尿病视网膜病变分类
计算机视觉与模式识别
2024-08-31 v1 人工智能
摘要
糖尿病视网膜病变（DR）是全球致盲的主要原因，尤其影响20至70岁的人群。本文提出了一种计算机辅助诊断（CAD）系统，用于将视网膜图像自动分类为五个不同的类别：正常、轻度、中度、重度和增殖性糖尿病视网膜病变（PDR）。所提出的系统利用卷积神经网络（CNN）采用预训练的深度学习模型。通过应用微调技术，我们的模型在分辨率为350x350x3和224x224x3的糖尿病视网膜病变眼底图像上进行训练。在Kaggle平台上使用4个CPU、17 GB RAM和1 GB磁盘资源获得的实验结果表明了我们方法的有效性。CNN、MobileNet、VGG-16、InceptionV3和InceptionResNetV2模型获得的曲线下面积（AUC）值分别为0.50、0.70、0.53、0.63和0.69。
引用
@article{arxiv.2403.19905,
title = {Classification of Diabetic Retinopathy using Pre-Trained Deep Learning Models},
author = {Inas Al-Kamachy and Reza Hassanpour and Roya Choupani},
journal= {arXiv preprint arXiv:2403.19905},
year = {2024}
}
备注
3 pages, 1 figure, 1 table