基于数字视网膜图像的轻量化糖尿病视网膜病理自动分级
计算机视觉与模式识别
2026-02-26 v1
摘要
糖尿病视网膜病理（DR）是全球范围内导致视力障碍的主要原因之一。然而，手动诊断往往耗时且容易出错，导致筛查延迟。本文提出一种轻量化自动深度学习框架，用于高效评估来自数字视网膜图像的DR严重程度。我们采用MobileNetV3架构，并引入一致秩逻辑（CORAL）头来建模疾病的有序进展，同时保持面向资源受限环境的计算效率。该模型在包含APTOS 2019和IDRiD图像的组合数据集上进行训练和验证，采用包括圆形裁剪和亮度归一化的预处理流程。广泛的实验，包括三折交叉验证和消融研究，表明性能优异。该模型实现了0.9019的二次加权Kappa（QWK）得分和80.03%的准确率。此外，我们通过模型校准以减少过度自信，并针对移动设备进行优化。该系统为糖尿病视网膜病理的早期筛查提供了一个可扩展且实用的工具。
引用
@article{arxiv.2602.21943,
title = {Mobile-Ready Automated Triage of Diabetic Retinopathy Using Digital Fundus Images},
author = {Aadi Joshi and Manav S. Sharma and Vijay Uttam Rathod and Ashlesha Sawant and Prajakta Musale and Asmita B. Kalamkar},
journal= {arXiv preprint arXiv:2602.21943},
year = {2026}
}
备注
Presented at ICCI 2025. 11 pages, 2 figures. MobileNetV3 + CORAL-based lightweight model for diabetic retinopathy severity classification with mobile deployment