利用深度学习检测圆锥角膜疾病
图像与视频处理
2023-11-06 v1 计算机视觉与模式识别
机器学习
摘要
圆锥角膜是最严重的角膜疾病之一，早期难以诊断并可能导致失明。该疾病常出现于人生第二个十年，影响所有性别与种族的人群。卷积神经网络(CNNs)作为深度学习方法之一，近来成为圆锥角膜准确及时诊断极具前景的工具。本研究旨在评估不同 D-CNN 模型识别圆锥角膜相关疾病的表现。更确切地说，我们比较了五种基于 CNN 的深度学习架构(DenseNet201、InceptionV3、MobileNetV2、VGG19、Xception)。在我们全面的实验分析中，基于 DenseNet201 的模型在广泛的实验研究中表现非常出色地识别圆锥角膜疾病。该模型优于其 D-CNN 同类，在三个关键类别——圆锥角膜、正常与疑似——中取得了惊人的 89.14% 准确率。结果不仅展示了模型的稳定性与鲁棒性，也显示了其在真实应用中准确可靠识别圆锥角膜的实用价值。此外，D-CNN DenseNet201 在精确率、召回率与 F1 分数方面除准确率外也表现极佳。这些指标通过凸显其可靠检测圆锥角膜病例并减少假阳性与假阴性的能力，验证了该模型作为有效诊断工具的实用性。
引用
@article{arxiv.2311.01996,
title = {Detection of keratoconus Diseases using deep Learning},
author = {AKM Enzam-Ul Haque and Golam Rabbany and Md. Siam},
journal= {arXiv preprint arXiv:2311.01996},
year = {2023}
}