深度学习在108,308张含未学习疾病的视网膜图像上实现完美异常检测
计算机视觉与模式识别
2020-07-21 v5 图像与视频处理
摘要
光学相干断层扫描（OCT）在检测多种视网膜疾病中有用。然而世界上许多地区没有足够眼科医生能诊断视网膜OCT图像。为廉价广泛地提供OCT筛查，自动诊断系统不可或缺。尽管已有许多机器学习技术用于辅助眼科医生诊断视网膜OCT图像，但尚无能不依赖眼科医生独立诊断的技术，即尚无不漏诊任何异常（含未学习疾病）的技术。只要技术存在漏诊疾病的风险，眼科医生就必须对即使被该技术分类为正常的图像进行复核。在此我们展示，我们基于深度学习的二分类器（正常或异常）在108,308张二维视网膜OCT图像上实现了完美分类，即真阳性率=1.000000且真阴性率=1.000000；因此ROC曲线下面积=1.0000000。尽管测试集含三类疾病，其中两类未用于训练，但所有测试图像均被正确分类。此外，我们证明本方案能应对患者种族差异。以往常规方法均未达成上述性能。我们的工作有足够可能将视网膜OCT图像的自动诊断技术从“眼科医生助手”提升至“无眼科医生的独立诊断系统”。
引用
@article{arxiv.2001.05859,
title = {Deep learning achieves perfect anomaly detection on 108,308 retinal images including unlearned diseases},
author = {Ayaka Suzuki and Yoshiro Suzuki},
journal= {arXiv preprint arXiv:2001.05859},
year = {2020}
}