用于增强糖尿病视网膜病变检测的混合深度学习框架：整合传统特征与 AI 驱动的洞察
计算机视觉与模式识别
2025-10-28 v1 人工智能
摘要
糖尿病视网膜病变（DR），是糖尿病酮症酸中毒（DM）的一种视力威胁并发症，是全球范围内的重大关切问题，尤其是在印度，该国拥有全球最高的糖尿病人群之一。长期的高血糖会损伤视网膜微血管，导致DR症状如微动脉瘤、出血和液体渗漏等。如果不及时检测，这些症状会导致不可逆的视力丧失。因此，早期筛查至关重要，因为DR在初始阶段是无症状的。眼底成像有助于通过检测细微的视网膜病变来实现精确诊断。本文引入一种混合诊断框架，将传统特征提取与深度学习（DL）结合，以增强DR检测。虽然手工特征捕获关键临床标记，但深度学习自动实现层次化模式识别，从而提高早期诊断效果。该模型将可解释的临床数据与学习特征相结合，超越单一的深度学习方法，表现出更好的分类性能并降低假阴性率。这一多模态AI驱动方法实现了可扩展、准确的DR筛查，对于负担沉重的糖尿病地区尤为关键。
引用
@article{arxiv.2510.21810,
title = {Hybrid Deep Learning Framework for Enhanced Diabetic Retinopathy Detection: Integrating Traditional Features with AI-driven Insights},
author = {Arpan Maity and Aviroop Pal and MD. Samiul Islam and Tamal Ghosh},
journal= {arXiv preprint arXiv:2510.21810},
year = {2025}
}
备注
11 pages, 3 figures