基于卷积神经网络的糖尿病视网膜病变检测——应用 SMOTE 和 CLAHE 技术
图像与视频处理
2025-04-09 v1 计算机视觉与模式识别
机器学习
神经元与认知
摘要
糖尿病视网膜病变 (DR) 是糖尿病患者眼部的主要并发症，若不及时检测可能导致永久性失明。本研究旨在评估人工智能 (AI) 在诊断 DR 方面的准确性。所采用的方法是应用平滑少数过采样技术 (SMOTE) 算法，从公开数据集 "APTOS 2019 Blindness Detection" 中识别 DR 及其严重程度阶段。通过 ScienceDirect、ResearchGate、Google Scholar 和 IEEE Xplore 审阅了相关文献。卷积神经网络 (CNN) 的分类结果在二分类（正常类 0 和 DR 类 1）中表现最佳，准确率为 99.55%，精确率为 99.54%，召回率为 99.54%，F1 分数为 99.54%。在多分类（No_DR (0), Mild (1), Moderate (2), Severe (3), Proliferate_DR (4)）中，准确率为 95.26%，精确率为 95.26%，召回率为 95.17%，F1 分数为 95.23%。通过混淆矩阵评估，二分类结果为 99.68%，多分类结果为 96.65%。本研究强调了相较于传统人工分析，提高 DR 诊断准确性的显著潜力。
引用
@article{arxiv.2504.05696,
title = {Diabetic Retinopathy Detection Based on Convolutional Neural Networks with SMOTE and CLAHE Techniques Applied to Fundus Images},
author = {Sidhiq Mardianta and Affandy and Catur Supriyanto and Catur Supriyanto and Adi Wijaya},
journal= {arXiv preprint arXiv:2504.05696},
year = {2025}
}
备注
6 pages, 6 figures, 2 tables