结合细粒度与粗粒度分类器进行糖尿病视网膜病变检测

视网膜眼底图像中早期糖尿病视网膜病变的视觉伪影通常尺寸很小、不显眼且散布在整个视网膜上。检测糖尿病视网膜病变需要医生查看整幅图像并注视某些特定区域，以定位该疾病的潜在生物标志物。因此，受眼科医生的启发，我们提出将从整幅图像中检测判别性特征的粗粒度分类器，与能够发现并特别关注病理显著区域的新一代细粒度分类器相结合。为了评估所提组合的性能，我们使用了公开可用的 EyePACS 和 Messidor 数据集。针对二元、三元和四元分类的广泛实验表明，在大多数糖尿病视网膜病变检测的训练设置中，该组合在很大程度上优于单个图像分类器以及大多数已发表的工作。此外，研究发现细粒度分类器的性能明显优于粗粒度图像分类器，这鼓励了仿照专科眼科医生建模的任务导向细粒度分类器的开发。