用于糖尿病视网膜病变特征提取与分类的卷积神经网络模型
图像与视频处理
2023-10-18 v1 计算机视觉与模式识别
机器学习
摘要
人工智能在医疗市场的应用引发了越来越多的关注，同时有助于更及时地诊断糖尿病视网膜病变等隐匿进展性疾病。为诊断糖尿病视网膜病变（DR），眼科医生使用彩色眼底图像（即视网膜后部的照片），通过困难且耗时的过程识别微小独特特征。我们的工作创建了新颖的 CNN 模型，并通过眼底图像输入识别 DR 的严重程度。我们通过卷积层对 4 种已知 DR 特征进行分类，包括微动脉瘤、棉絮斑、硬性渗出和出血，并能在无额外用户输入下提供准确诊断。所提模型更具可解释性且对过拟合更鲁棒。我们给出了敏感性 97%、准确性 71% 的初步结果。我们的贡献是一个与更复杂模型准确性相当的可解释模型。据此，我们的模型推进了 DR 检测领域，并被证明是迈向以 AI 为核心的医疗诊断的关键一步。
引用
@article{arxiv.2310.10806,
title = {Convolutional Neural Network Model for Diabetic Retinopathy Feature Extraction and Classification},
author = {Sharan Subramanian and Leilani H. Gilpin},
journal= {arXiv preprint arXiv:2310.10806},
year = {2023}
}
备注
9 pages, 2 tables, 5 figures