用于改善早产儿视网膜病变深度学习分类的新型 Retcam 眼底图像预处理方法
图像与视频处理
2024-06-18 v5 计算机视觉与模式识别
机器学习
摘要
早产儿视网膜病变（ROP）是一种由于眼睛视网膜受损而可能致盲的眼病，可影响早产婴儿。ROP 筛查对于早期发现和治疗至关重要。这是一个费力且手动化的过程，需要经过培训的医师进行散瞳眼底检查，该检查可能带有主观性，导致对临床显著疾病的诊断成功率较低。自动化诊断方法可借助深度学习帮助眼科医生提高诊断准确性。多个研究小组已提出各种方法。拍摄的 ROP Retcam 图像存在质量不佳的问题。本文提出使用改进的新型眼底预处理方法，结合预训练的迁移学习框架来创建混合模型，以提供更高的诊断准确性。经过训练和验证后，评估表明，与传统的图像处理方法相比，这些新方法在分类 Plus 病变、ROP 分期和分区方面，在许多方面贡献了更好且更高的准确性，优于同行论文。
引用
@article{arxiv.2302.02524,
title = {Novel Fundus Image Preprocessing for Retcam Images to Improve Deep Learning Classification of Retinopathy of Prematurity},
author = {Sajid Rahim and Kourosh Sabri and Anna Ells and Alan Wassyng and Mark Lawford and Linyang Chu and Wenbo He},
journal= {arXiv preprint arXiv:2302.02524},
year = {2024}
}
备注
10 pages, 4 figures, 7 tables. arXiv admin note: text overlap with arXiv:1904.08796 by other authors