使用卷积神经网络从视网膜眼底图像预测心血管风险因素
图像与视频处理
2024-10-16 v1 计算机视觉与模式识别
摘要
早期检测心血管疾病风险因素对于改变疾病进程至关重要。先前的研究表明，深度学习可以成功用于从视网膜图像中检测此类风险因素。本研究使用卷积神经网络（CNN）从英国生物样本库数据集的视网膜图像中预测心血管疾病风险因素：年龄、BMI、吸烟状况、HbA1c、收缩压、舒张压、性别和总胆固醇。通过对视网膜图像应用高斯滤波形式的对比度增强，并通过结合左右视网膜图像的预测来得出个体预测，与先前使用英国生物样本库数据集视网膜图像的研究相比，变量年龄（R²分数为0.81）和收缩压（R²分数为0.39）的预测性能得到了提升。此外，这是首次尝试从英国生物样本库视网膜眼底图像预测HbA1c和总胆固醇的研究。对于这些变量，模型预测HbA1c的R²分数为0.0579，预测总胆固醇的R²分数为0.0157。这些结果表明，从英国生物样本库数据集的视网膜眼底图像中推导这两个风险因素的预测值，其价值有限。
引用
@article{arxiv.2410.11535,
title = {Prediction of Cardiovascular Risk Factors from Retinal Fundus Images using CNNs},
author = {Andrea Prenner},
journal= {arXiv preprint arXiv:2410.11535},
year = {2024}
}