基于两阶段深度卷积神经网络的糖尿病视网膜病变病灶检测与分级
计算机视觉与模式识别
2017-05-03 v1
摘要
我们提出一种基于两阶段深度卷积神经网络（DCNN）的自动糖尿病视网膜病变（DR）分析算法。与现有的基于DCNN的DR检测方法相比，所提算法具有以下优势：（1）我们的方法可以指出眼底图像中病灶的位置和类型，并给出DR的严重程度分级。此外，由于视网膜病灶和DR严重程度在眼底图像中以不同尺度出现，局部和全局网络的结合学习了更完整和特定的特征用于DR分析。（2）通过引入不平衡权重图，将更多注意力给予病灶块以进行DR分级，显著提高了所提算法的性能。在本研究中，我们标注了来自Kaggle竞赛数据集的12,206个病灶块，并重新标注了23,595张眼底图像的DR等级。在临床眼科医生的指导下，实验结果表明，我们的局部病灶检测网络达到了与训练有素的人类观察者相当的性能，并且所提出的不平衡加权方案也被证明显著提高了我们基于DCNN的DR分级算法的能力。
引用
@article{arxiv.1705.00771,
title = {Lesion detection and Grading of Diabetic Retinopathy via Two-stages Deep Convolutional Neural Networks},
author = {Yehui Yang and Tao Li and Wensi Li and Haishan Wu and Wei Fan and Wensheng Zhang},
journal= {arXiv preprint arXiv:1705.00771},
year = {2017}
}