GARDNet：用于彩色眼底图像中青光眼分类的鲁棒多视图网络
图像与视频处理
2022-08-02 v3 人工智能
计算机视觉与模式识别
机器学习
摘要
青光眼是最严重的眼部疾病之一，以快速进展并导致不可逆失明为特征。由于疾病早期缺乏明显症状，往往当视力已显著退化时才进行诊断。对人群进行定期的青光眼筛查应可改善早期检测，然而由于手动诊断对有限数量的专家造成过大负荷，理想频率的病原学检查常常难以实现。考虑到检测青光眼的基本方法是分析眼底图像中的视盘-视杯比，机器学习算法可提供复杂的图像处理和分类方法。在我们的工作中，我们提出了一种先进的图像预处理技术，结合深度分类模型的多视图网络来对青光眼进行分类。我们的青光眼自动视网膜检测网络（GARDNet）已在Rotterdam EyePACS AIROGS数据集上成功测试，AUC为0.92，随后在RIM-ONE DL数据集上额外微调并测试，AUC为0.9308，优于0.9272的最先进水平。我们的代码可在https://github.com/ahmed1996said/gardnet获取。
引用
@article{arxiv.2205.12902,
title = {GARDNet: Robust Multi-View Network for Glaucoma Classification in Color Fundus Images},
author = {Ahmed Al Mahrooqi and Dmitrii Medvedev and Rand Muhtaseb and Mohammad Yaqub},
journal= {arXiv preprint arXiv:2205.12902},
year = {2022}
}
备注
Keywords: Glaucoma Classification, Color Fundus Images. Computer Aided Diagnosis. Deep Learning