利用流动力学优化深度学习方法改进视网膜眼底图像分类
计算机视觉与模式识别
2023-05-02 v1 人工智能
摘要
糖尿病视网膜病变(DR)是指在糖尿病中发生、损害视网膜现有血管网络的屏障。若患者患有糖尿病，这可能危及其视力。使用彩色眼底图像进行 DR 诊断可能耗时，因为需要经验丰富的临床医生识别用于确认疾病的图像中的病灶。DR 的自动检测可能是极具挑战性的任务。卷积神经网络(CNN)在当前情境下对图像分类也极为有效，尤其相较于所采用的手工与功能性方法。为保证高结果，研究者还提出了一种可确定眼底图像特征的尖端 CNN 模型。所提系统中，CNN 输出的特征被用于各种机器学习分类器。该模型后来使用不同形式的深度学习方法与 Visual Geometry Group (VGG) 网络进行评估。这是通过使用来自通用 KAGGLE 数据集的图像完成的。此处，采用了所提出的 River Formation Dynamics (RFD) 算法结合 FUNDNET 来检测视网膜眼底图像。调查结果表明，该方法优于替代方法。
引用
@article{arxiv.2305.00294,
title = {Improving Classification of Retinal Fundus Image Using Flow Dynamics Optimized Deep Learning Methods},
author = {V. Banupriya and S. Anusuya},
journal= {arXiv preprint arXiv:2305.00294},
year = {2023}
}