基于迁移学习的糖尿病视网膜病变分级系统
图像与视频处理
2020-12-24 v1 计算机视觉与模式识别
机器学习
摘要
研究人员正付出诸多努力以准确自动地检测与诊断糖尿病视网膜病变（DR）。该疾病十分危险，若未持续筛查可突然致盲。因此，许多计算机辅助诊断（CAD）系统已被开发用于诊断各期 DR 等级。近来，许多基于深度学习（DL）方法的 CAD 系统被采用，以获取深度学习在诊断 DR 病理异常中的优势。本文提出一种基于多标签分类的完全基于 DL 的 CAD 系统。在所提 DL CAD 系统中，我们定制了 efficientNet 模型以诊断 DR 疾病的早期与晚期等级。迁移学习在训练小数据集时非常有用。我们使用了 IDRiD 数据集，这是一个多标签数据集。实验表明，所提 DL CAD 系统稳健、可靠，在检测与分级 DR 中取得了有前景的结果。所提系统准确率（ACC）达 86%，Dice 相似系数（DSC）达 78.45。
引用
@article{arxiv.2012.12515,
title = {Diabetic Retinopathy Grading System Based on Transfer Learning},
author = {Eman AbdelMaksoud and Sherif Barakat and Mohammed Elmogy},
journal= {arXiv preprint arXiv:2012.12515},
year = {2020}
}
备注
6 pages, 5 figures, 3 tables, none