基于加速重用卷积网络的视网膜疾病检测
计算机视觉与模式识别
2025-10-07 v1 机器学习
摘要
卷积神经网络正在不断演化，其中一些努力旨在提高准确性，另一些则致力于提高速度，还有一些则旨在提高可访问性。提高可访问性拓宽了神经网络在更广泛范围的任务中的应用，包括眼部疾病检测。对眼部疾病的早期诊断和咨询眼科医生可防止许多视力障碍。鉴于此问题的重要性，人们从角膜收集了各种数据集，以促进神经网络模型的制作过程。然而，过去大多数方法都计算复杂。本研究试图提高深度神经网络模型的可访问性。我们以最根本的层面实现了这一目标，具体通过重新设计和优化卷积层。通过这种方式，我们创建了一个新的通用模型，包含我们命名的 ArConv 卷积层。得益于这一新层的高效性能，该模型在移动设备上使用具有较好的复杂度，能够以高准确率诊断疾病的存在。我们最终呈现的模型仅包含 130 万个参数。与具有 220 万个参数的 MobileNetV2 模型相比，在相同条件下在 RfMiD 数据集上进行训练和评估，我们的模型在 RfMiD 测试集上取得了 0.9328 的准确率，而 MobileNetV2 的准确率为 0.9266。
引用
@article{arxiv.2510.04232,
title = {Detection of retinal diseases using an accelerated reused convolutional network},
author = {Amin Ahmadi Kasani and Hedieh Sajedi},
journal= {arXiv preprint arXiv:2510.04232},
year = {2025}
}