应用卷积神经网络、ResNet和Grad-CAM的黄斑变性感知与定位
图像与视频处理
2024-05-03 v2 计算机视觉与模式识别
摘要
一种导致受影响患者视力模糊的知名视网膜疾病是黄斑变性。本研究基于通过定位眼底受影响区域来分类健康眼底和黄斑变性眼底。使用CNN架构和以CNN与ResNet架构（ResNet50、ResNet50v2、ResNet101、ResNet101v2、ResNet152、ResNet152v2）为骨干的网络对两类眼底进行分类。数据被分为三类，包括(a)训练集90%和测试集10%，(b)训练集80%和测试集20%，(c)训练集50%和测试集50%。训练后，根据评估指标选择最佳模型。在这些模型中，以ResNet50为骨干的CNN表现最佳，在90%训练和10%测试数据划分下，训练准确率达到98.7%。使用此模型，我们执行了Grad-CAM可视化，以获取眼底受影响区域的区域。
引用
@article{arxiv.2404.15918,
title = {Perception and Localization of Macular Degeneration Applying Convolutional Neural Network, ResNet and Grad-CAM},
author = {Tahmim Hossain and Sagor Chandro Bakchy},
journal= {arXiv preprint arXiv:2404.15918},
year = {2024}
}
备注
12 pages, 5 figures, 2 tables