基于 GreenBen 数据增强的糖尿病视网膜病变图像分类方法
图像与视频处理
2024-10-15 v1 计算机视觉与模式识别
摘要
对于糖尿病视网膜病变 (DR) 图像的诊断,本文提出了一种基于人工智能的分类方法。核心在于一种新的数据增强方法 GreenBen,它首先从视网膜图像中提取绿色通道灰度图像,然后进行本强化。考虑到糖尿病黄斑水肿 (DME) 是与 DR 密切相关的并发症,本文构建了一个基于多任务学习和注意力模块的 DR 与 DME 联合分类框架,并使用 GreenBen 增强其数据以减少 DR 图像之间的差异并提高模型分类准确率。我们在三个公开数据集上进行了广泛实验,结果表明该方法取得了最佳成绩。对于 GreenBen,无论是基于 ResNet50 网络还是基于 Swin Transformer 网络,无论是单独分类还是联合 DME 分类,与其他数据增强方法相比,GreenBen 在 DR 分类结果方面都实现了稳定且显著的提升,准确率提升了 10%。
引用
@article{arxiv.2410.09444,
title = {Diabetic retinopathy image classification method based on GreenBen data augmentation},
author = {Yutong Liu and Jie Gao and Haijiang Zhu},
journal= {arXiv preprint arXiv:2410.09444},
year = {2024}
}