基于深度学习集体智能模型的视网膜血管损伤早期诊断
图像与视频处理
2022-10-19 v1 计算机视觉与模式识别
机器学习
神经与进化计算
摘要
糖尿病视网膜病变等视网膜疾病的早期诊断一直受到许多研究者的关注。通过引入卷积神经网络，深度学习已成为分类与分割等图像相关任务的突出解决方案。大多数图像分类任务由在 imagenet 数据集上预训练并评估的深度 CNN 处理。然而，这些模型在其他数据集上并不总是产生最佳结果。基于启发式手动从头设计神经网络可能因涉及大量超参数而无法得到最优模型。在本文中，我们使用两种受自然启发的群体算法：粒子群优化（PSO）和蚁群优化（ACO）来获得 TDCN 模型，以将眼底图像分类为严重程度等级。群体算法的力量被用于搜索卷积、池化和归一化层的各种组合，从而为任务提供最佳模型。观察到 TDCN-PSO 优于 imagenet 模型和现有文献，而 TDCN-ACO 实现了更快的架构搜索。最佳 TDCN 模型达到了 90.3% 的准确率、0.956 的 AUC ROC 和 0.967 的 Cohen kappa 分数。结果与先前研究进行比较，表明所提出的 TDCN 模型展现出优越性能。
引用
@article{arxiv.2210.09449,
title = {Early Diagnosis of Retinal Blood Vessel Damage via Deep Learning-Powered Collective Intelligence Models},
author = {Pranjal Bhardwaj and Prajjwal Gupta and Thejineaswar Guhan and Kathiravan Srinivasan},
journal= {arXiv preprint arXiv:2210.09449},
year = {2022}
}