基于视网膜图像的集成学习早期失明检测
计算机视觉与模式识别
2020-06-16 v1
摘要
糖尿病视网膜病变（DR）是全球成年人视力丧失的主要原因。在五分之四的长期糖尿病患者中会发展为 DR。如果早期发现，超过 90% 的新发 DR 病例可以通过适当治疗避免发展为失明。尽管有多种可有效处理 DR 的治疗方法，但早期检测的疏忽和失败使大多数 DR 患者失去了宝贵的视力。数字图像处理（DIP）和机器学习（ML）领域的最新进展为利用机器进行检测铺平了道路。当代技术使我们能够开发基于视网膜图像自动检测人眼状况的设备。然而，在实践中，若干因素会影响捕获图像的质量并阻碍检测结果。本研究提出了一种新的早期失明检测方法，该方法基于使用集成学习算法从视网膜图像中提取的颜色信息。该方法在一组从南亚农村地区居民收集的视网膜图像上进行了测试，取得了 91% 的分类准确率。
引用
@article{arxiv.2006.07475,
title = {Early Blindness Detection Based on Retinal Images Using Ensemble Learning},
author = {Niloy Sikder and Md. Sanaullah Chowdhury and Abu Shamim Mohammad Arif and Abdullah-Al Nahid},
journal= {arXiv preprint arXiv:2006.07475},
year = {2020}
}
备注
6 pages, 22nd International Conference of Computer and Information Technology (ICCIT), 18-20 December, 2019