眼底图像中对应于生物特征的未来变异与分析
图像与视频处理
2023-02-09 v1 计算机视觉与模式识别
机器学习
摘要
眼底图像捕捉眼后部，已借助手工、传统及深度学习方法用于疾病识别、分类、分割、生成以及生物特征关联的研究。在生物特征估计方面，多数研究针对年龄预测与性别分类并取得令人信服的结果。然而，本研究利用前沿深度学习（DL）算法来估计以年龄和性别表示的生物特征，并将特征与视网膜视觉相关联。对于特征关联，我们的研究将衰老作为标签信息嵌入所提DL模型，以学习衰老影响区域的知识。我们提出的DL模型命名为FAG-Net与FGC-Net，分别估计生物特征（年龄与性别）并生成眼底图像。FAG-Net可在给定年龄列表作为条件时生成输入眼底图像的多个变体。我们的研究分析眼底图像及其与生物特征的相应关联，并在以年龄作为生成模型条件时预测眼底图像上眼部疾病的可能扩散。我们提出的模型优于随机选取的前沿DL模型。
引用
@article{arxiv.2302.03839,
title = {Futuristic Variations and Analysis in Fundus Images Corresponding to Biological Traits},
author = {Muhammad Hassan and Hao Zhang and Ahmed Fateh Ameen and Home Wu Zeng and Shuye Ma and Wen Liang and Dingqi Shang and Jiaming Ding and Ziheng Zhan and Tsz Kwan Lam and Ming Xu and Qiming Huang and Dongmei Wu and Can Yang Zhang and Zhou You and Awiwu Ain and Pei Wu Qin},
journal= {arXiv preprint arXiv:2302.03839},
year = {2023}
}
备注
10 pages, 4 figures, 3 tables