基于Maastricht研究人群样本从视网膜眼底图像直接分类2型糖尿病
图像与视频处理
2019-11-25 v1 计算机视觉与模式识别
机器学习
机器学习
摘要
2型糖尿病(T2D)是一种可导致失明和心血管疾病的慢性代谢障碍。关于早期T2D的信息可能存在于视网膜眼底图像中，但这些图像在多大程度上可用于筛查场景仍未知。本研究采用深度神经网络来区分来自患有和未患有T2D个体的眼底图像。我们研究了三种实现高分类性能的方法，以受试者工作特征曲线下面积(ROC-AUC)衡量。一种同时输出视网膜生物标志物和T2D的多目标学习方法效果最佳(AUC = 0.746 [0.001])。此外，当将具有高预测不确定性的图像转诊给专家时，分类性能可得到改善。我们还表明，使用简单的平均方法，将每个个体的左右眼图像结合可进一步提高分类性能(AUC = 0.758 [0.003])。结果令人鼓舞，表明从视网膜眼底图像筛查T2D的可行性。
引用
@article{arxiv.1911.10022,
title = {Direct Classification of Type 2 Diabetes From Retinal Fundus Images in a Population-based Sample From The Maastricht Study},
author = {Friso G. Heslinga and Josien P. W. Pluim and A. J. H. M. Houben and Miranda T. Schram and Ronald M. A. Henry and Coen D. A. Stehouwer and Marleen J. van Greevenbroek and Tos T. J. M. Berendschot and Mitko Veta},
journal= {arXiv preprint arXiv:1911.10022},
year = {2019}
}
备注
to be published in the proceeding of SPIE - Medical Imaging 2020, 6 pages, 1 figure