Optic-Net：一种用于从光学断层图像诊断视网膜疾病的新型卷积神经网络
图像与视频处理
2020-05-19 v1 计算机视觉与模式识别
摘要
从频域光学相干断层扫描（SD-OCT）图像诊断不同的视网膜疾病是一项具有挑战性的任务。诸如图像处理、机器学习和深度学习算法等多种自动化方法已被用于视网膜疾病的早期检测与诊断。遗憾的是，这些方法易出错且计算效率低，需要人类专家进一步介入。在本文中，我们提出一种新颖的卷积神经网络架构，以成功区分视网膜各层的不同退化及其潜在成因。所提出的新颖架构在解决梯度爆炸问题的同时，优于其他分类模型。我们的方法在两个分别可用的视网膜 SD-OCT 数据集上分别达到了 99.8% 和 100% 的近乎完美的准确率。此外，我们的架构可实时预测视网膜疾病，且优于人类诊断者。
引用
@article{arxiv.1910.05672,
title = {Optic-Net: A Novel Convolutional Neural Network for Diagnosis of Retinal Diseases from Optical Tomography Images},
author = {Sharif Amit Kamran and Sourajit Saha and Ali Shihab Sabbir and Alireza Tavakkoli},
journal= {arXiv preprint arXiv:1910.05672},
year = {2020}
}
备注
8 pages. Accepted to 18th IEEE International Conference on Machine Learning and Applications (ICMLA 2019)