比较传统特征与深度特征模型在出血眼底照相分类中的性能
图像与视频处理
2022-06-03 v1 计算机视觉与模式识别
机器学习
摘要
糖尿病视网膜病变是一种眼部病理状况，会产生异常并导致视力受损，其恰当治疗需要识别不规则性。本研究采用一种出血检测方法，并比较传统特征与深度特征的分类效果。特别地，该方法识别与血管相连或位于视网膜边缘的出血，并被认为具有挑战性。最初，自适应亮度调整和对比度增强矫正了退化图像。出血的潜在位置由高斯匹配滤波器、熵阈值化和形态学运算估计。出血通过一种基于强度区域方差的新技术进行分割。然后通过传统方法和深度模型提取特征以训练支持向量机，并对结果进行评估。各模型的评估指标均令人满意，但研究结果表明，相对而言深度模型比传统特征更有效。
引用
@article{arxiv.2206.01118,
title = {Comparing Conventional and Deep Feature Models for Classifying Fundus Photography of Hemorrhages},
author = {Tamoor Aziz and Chalie Charoenlarpnopparut and Srijidtra Mahapakulchai},
journal= {arXiv preprint arXiv:2206.01118},
year = {2022}
}