利用深度学习与合成数据增强提升眼病诊断效果
计算机视觉与模式识别
2024-07-26 v1
摘要
近年来, 关注焦点转向利用机器学习和深度学习技术改善糖尿病视网膜病变(DR)的诊断. 研究者们探索了 various 方法, 包括使用高清医学成像、AI 驱动的算法如卷积神经网络(CNN)和生成对抗网络(GAN). 尽管 CNN 作为工具种类最丰富, 因其优越的分类准确率和效率而成为首选. 虽然 CNN 的准确率相对较好, 但通过引入一些混合模型来结合 various机器学习和深度学习模型可以进一步提升. 因此, 本文提出一种用于早期检测和管理 DR 的集成学习技术, 以获得更高的准确率. 该模型在APTOS数据集上进行测试, 在与之前模型相比, 在验证准确率()上表现出优势. 因此, 该模型对 DR 的早期检测和治疗有帮助, 从而提升了受影响个体整体护理质量.
引用
@article{arxiv.2407.17755,
title = {Enhancing Eye Disease Diagnosis with Deep Learning and Synthetic Data Augmentation},
author = {Saideep Kilaru and Kothamasu Jayachandra and Tanishka Yagneshwar and Suchi Kumari},
journal= {arXiv preprint arXiv:2407.17755},
year = {2024}
}
备注
18 pages, 7 figures, 2 Tables