从眼底图像检测糖尿病视网膜病变严重程度：基于Transformer网络的综述
计算机视觉与模式识别
2024-06-11 v2 人工智能
摘要
糖尿病视网膜病变（DR）被认为是全球重大健康问题之一，主要因其导致大多数糖尿病患者视力丧失。DR的严重程度通常由眼科医生基于眼底照相的视网膜图像手动判读。本文致力于DR严重阶段的自动化理解。文献中，研究者已使用传统机器学习算法和卷积架构关注此自动化。然而，以往工作很少关注视网膜图像的关键部位以提升模型性能。本研究中，我们采用并微调基于transformer的学习模型，以捕捉视网膜图像的关键特征，从而更细致地理解DR严重程度。此外，我们探究了图像transformer从眼底照片推断DR严重程度的效力。实验中，我们使用了公开的APTOS-2019失明检测数据集，基于transformer的模型表现相当令人鼓舞。
引用
@article{arxiv.2301.00973,
title = {Detecting Severity of Diabetic Retinopathy from Fundus Images: A Transformer Network-based Review},
author = {Tejas Karkera and Chandranath Adak and Soumi Chattopadhyay and Muhammad Saqib},
journal= {arXiv preprint arXiv:2301.00973},
year = {2024}
}