视网膜OCT图像深度学习方法对比研究
图像与视频处理
2019-12-18 v1 计算机视觉与模式识别
机器学习
摘要
在医学领域，计算机科学在疾病检测与诊断中的应用日益普及。以往疾病检测耗时显著且可靠性较低。近期生物医学研究中采用的机器学习（ML）技术通过更高精度和更短时间取得了革命性变化。目前，借助ML甚至可以从扫描图像中自动检测疾病。在本研究中，我们进行了从光学相干断层扫描（OCT）X射线图像检测视网膜疾病的尝试。我们提出了一种基于深度学习（DL）的方法，从OCT图像中检测视网膜疾病，可识别视网膜的三种状态。该方法中使用的四种不同模型相互比较。在测试集上，普通卷积神经网络（CNN）模型的检测准确率为98.00\%，Xception模型为99.07\%，ResNet50模型为97.00\%，MobileNetV2模型为99.17\%。MobileNetV2模型取得最高准确率，最接近最高的是Xception模型。所提方法对创建自动检测视网膜疾病的工具具有潜在影响。
引用
@article{arxiv.1912.07783,
title = {Comparisonal study of Deep Learning approaches on Retinal OCT Image},
author = {Nowshin Tasnim and Mahmudul Hasan and Ishrak Islam},
journal= {arXiv preprint arXiv:1912.07783},
year = {2019}
}
备注
Poster in International Conference on Innovation in Engineering and Technology (ICIET) 23-24 December, 2019