分级者差异与参考标准对评估糖尿病视网膜病变机器学习模型的重要性
计算机视觉与模式识别
2020-06-09 v3
摘要
糖尿病视网膜病变（DR）和糖尿病性黄斑水肿是糖尿病的常见并发症，可能导致视力丧失。DR的分级是一个相当复杂的过程，需要检测微动脉瘤、视网膜内出血和视网膜内微血管异常等细微特征。因此，分级者之间可能存在相当大的差异。获取参考标准和解决分级者之间分歧的方法有多种，虽然通常认为通过裁决直至达成完全共识能产生最佳的参考标准，但不同分歧解决方法之间的差异尚未得到广泛研究。在本研究中，我们考察了不同分级方法、参考标准定义的差异性，以及它们对构建用于检测糖尿病眼病的深度学习模型的影响。我们发现，一小组经过裁决的DR分级能显著提升算法性能。最终算法的性能与美国委员会认证的眼科医生和视网膜专家的个人水平相当。
引用
@article{arxiv.1710.01711,
title = {Grader variability and the importance of reference standards for evaluating machine learning models for diabetic retinopathy},
author = {Jonathan Krause and Varun Gulshan and Ehsan Rahimy and Peter Karth and Kasumi Widner and Greg S. Corrado and Lily Peng and Dale R. Webster},
journal= {arXiv preprint arXiv:1710.01711},
year = {2020}
}