EYE-DEX: 眼科疾病检测与解释系统
计算机视觉与模式识别
2025-09-30 v1 人工智能
机器学习
摘要
视网膜疾病诊断对于预防视力丧失和减轻社会经济负担至关重要。全球超过 22 亿人受到某种形式的视力损害影响，每年造成估计 4110 亿美元的生产力损失。传统由眼科医生手动分级视网膜眼底图像的过程耗时且主观。相比之下，深度学习通过自动化视网膜图像分析并达到专家级性能，彻底革新了医学诊断。在本研究中，我们提出 EYE-DEX，一个用于分类 10 种视网膜疾病的自动化框架，该框架基于包含 21577 张眼眼底图像的大规模视网膜疾病数据集。我们对三种预训练卷积神经网络（CNN）模型——VGG16、VGG19 和 ResNet50——进行了基准测试，其中微调后的 VGG16 达到了 92.36% 的最先进全球基准测试准确率。为增强透明度和可解释性，我们集成了梯度加权类激活映射（Grad-CAM）技术，以生成突出显示疾病特定区域的可视化解释，从而促进临床医生对 AI 辅助诊断的信任与可靠性。
引用
@article{arxiv.2509.24136,
title = {EYE-DEX: Eye Disease Detection and EXplanation System},
author = {Youssef Sabiri and Walid Houmaidi and Amine Abouaomar},
journal= {arXiv preprint arXiv:2509.24136},
year = {2025}
}
备注
6 pages, 4 figures, 3 tables. Accepted at the 12th International Conference on Wireless Networks and Mobile Communications 2025 (WINCOM 2025)