基于深度学习的自动化视网膜图像分析与异常检测分级
人工智能
2024-11-20 v2
摘要
糖尿病视网膜病变 (DR) 引发的严重失明影响了大量糖尿病患者。针对糖尿病视网膜病变的病灶分割与检测，本文深入探讨了深度学习技术的应用。本研究采用 PRISMA 分析进行了系统性文献综述，共调查了 62 篇文章。研究期间探索了多种深度学习方法，包括用于 DR 分级的基于 CNN 的模型与特征融合。为提升分类准确率与鲁棒性，对数据增强与集成学习策略进行了审查。通过展示相较于单个模型的优越性能，研究了集成学习方法的有效性。将多个预训练网络与产生高特异性的自定义分类器相集成，展示了集成方法在 DR 诊断中的潜力。在糖尿病视网膜病变病灶分割与检测部分，讨论了用于检测 DR 病灶的多种深度学习技术。通过强调持续研究及融入临床实践的必要性，深度学习在个性化医疗与糖尿病早期检测方面展现出广阔前景。
引用
@article{arxiv.2409.16721,
title = {Grading and Anomaly Detection for Automated Retinal Image Analysis using Deep Learning},
author = {Syed Mohd Faisal Malik and Md Tabrez Nafis and Mohd Abdul Ahad and Safdar Tanweer},
journal= {arXiv preprint arXiv:2409.16721},
year = {2024}
}
备注
Diabetic retinopathy, segmentation, images on retinal fundus, convolutional neural network