用于糖尿病视网膜病变检测与分期分级的双分支深度学习网络
图像与视频处理
2024-03-14 v2 计算机视觉与模式识别
机器学习
摘要
糖尿病视网膜病变是糖尿病的严重并发症，若不及时治疗可导致永久性失明。该疾病的早期准确诊断对成功治疗至关重要。本文介绍一种利用单张眼底视网膜图像进行糖尿病视网膜病变检测与分期分级的深度学习方法。我们的模型采用迁移学习，使用两个最先进的预训练模型作为特征提取器，并在新数据集上对其进行微调。所提模型在包括来自公开来源的 APTOS 2019 数据集在内的多中心大型数据集上训练，在 APTOS 2019 上的糖尿病视网膜病变检测与分期分类中表现优异，优于已有文献。对于二分类，该方法准确率为 98.50，灵敏度为 99.46，特异度为 97.51。在分期分级中，其二次加权 kappa 为 93.00，准确率为 89.60，灵敏度为 89.60，特异度为 97.72。所提方法可作为糖尿病视网膜病变可靠的筛查与分期分级工具，在提升临床决策与患者护理方面具有显著潜力。
引用
@article{arxiv.2308.09945,
title = {Dual Branch Deep Learning Network for Detection and Stage Grading of Diabetic Retinopathy},
author = {Hossein Shakibania and Sina Raoufi and Behnam Pourafkham and Hassan Khotanlou and Muharram Mansoorizadeh},
journal= {arXiv preprint arXiv:2308.09945},
year = {2024}
}
备注
Published in the Biomedical Signal Processing & Control journal, 16 pages, 13 figures