基于深度学习的糖尿病视网膜病变视网膜眼底图像早期检测与分级
计算机视觉与模式识别
2018-12-31 v1
摘要
糖尿病视网膜病变(DR)是一种持续恶化的疾病,是视力受损与失明的主要原因之一。不同分级间细微的差别以及许多重要小特征的存在使得识别任务极具挑战性。此外,当前的视网膜病变检测方法是极为费力且耗时的任务,严重依赖医生的技能。糖尿病视网膜病变的自动检测对于解决这些问题至关重要。糖尿病视网膜病变的早期检测对于诊断也非常重要,通过适当治疗可预防失明。本文中,我们提出了一种新颖的深度卷积神经网络,它通过识别所有微动脉瘤(MAs,DR 的首发征象)来进行早期检测,同时正确地为分为五类的视网膜眼底图像分配标签。我们在最大的公开 Kaggle 糖尿病视网膜病变数据集上测试了我们的网络,取得了 0.851 的二次加权 kappa 分数与 0.844 的 AUC 分数,在严重程度分级上达到了 SOTA 性能。在早期检测中,我们取得了 98% 的灵敏度与高于 94% 的特异度,证明了所提方法的有效性。我们所提架构在計算时间与空间方面同时非常简单且高效。
引用
@article{arxiv.1812.10595,
title = {Deep Learning based Early Detection and Grading of Diabetic Retinopathy Using Retinal Fundus Images},
author = {Sheikh Muhammad Saiful Islam and Md Mahedi Hasan and Sohaib Abdullah},
journal= {arXiv preprint arXiv:1812.10595},
year = {2018}
}
备注
Accepted in MIND 2019