使用两步卷积神经网络在眼底图像中检测微动脉瘤
计算机视觉与模式识别
2018-07-10 v2
摘要
糖尿病视网膜病变（DR）是全球致盲的主要原因之一。DR 的早期治疗可以通过检测视网膜图像中表现为红色斑点的微动脉瘤来进行。自动化的微动脉瘤检测系统可为眼科医生提供帮助。本文将深度学习，特别是卷积神经网络（CNN），作为一种强大的工具，用于从眼底图像中高效检测微动脉瘤。在我们的方法中，采用了一种新技术来利用两阶段训练过程，从而实现了准确的检测，同时与以往的工作相比降低了计算复杂度。为了验证所提出的方法，我们使用 Keras 库在两个公开的标准数据集上实现了所提出的 CNN 并进行了实验。结果表明，在每幅图像的平均假阳性数大于 6 时，灵敏度达到了约 0.8，该结果与现有先进方法相比具有竞争力。
引用
@article{arxiv.1710.05191,
title = {Microaneurysm Detection in Fundus Images Using a Two-step Convolutional Neural Networks},
author = {Noushin Eftekheri and Mojtaba Masoudi and Hamidreza Pourreza and Kamaledin Ghiasi Shirazi and Ehsan Saeedi},
journal= {arXiv preprint arXiv:1710.05191},
year = {2018}
}