使用降采样算法与深度学习的糖尿病视网膜病变分类
计算机视觉与模式识别
2026-05-13 v1 人工智能
机器学习
摘要
糖尿病视网膜病变（DR）是一门记录和分类糖尿病患者视网膜图像的艺术与科学。DR分类涉及根据糖尿病严重程度将视网膜眼底图像分为五个阶段。处理DR分类问题时面临的主要问题之一是图像尺寸大且大小不一。在本文中，我们提出并探索了在将图像数据输入深度学习网络进行分类之前使用多种降采样算法。为了改善训练和测试，我们合并了两个数据集：Kaggle和印度糖尿病视网膜病变图像数据集。我们的实验在一个新颖的多通道Inception V3架构上进行，并配有一个独特的自定义预处理阶段。我们使用准确率、特异性和灵敏度报告了所提出方法的结果，其性能优于先前的最先进方法。索引词：糖尿病视网膜病变，降采样算法，多通道CNN架构，深度学习
引用
@article{arxiv.2605.11430,
title = {Diabetic Retinopathy Classification using Downscaling Algorithms and Deep Learning},
author = {Nishi Doshi and Urvi Oza and Pankaj Kumar},
journal= {arXiv preprint arXiv:2605.11430},
year = {2026}
}