基于自组织运算神经网络的眼底数字图像实时青光眼检测
图像与视频处理
2021-09-29 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
青光眼通过损伤将视觉图像传输至大脑的神经而导致永久性视力障碍。由于青光眼在进展过程中无任何症状且在晚期无法阻止，早期确诊至关重要。尽管已有多种深度学习模型被用于从眼底数字图像中检测青光眼，但由于标注数据的稀缺，其泛化性能受限，且计算复杂度高并需要专用硬件。本研究提出紧凑的自组织运算神经网络（Self-ONNs）用于眼底图像中青光眼的早期检测，并在三个基准数据集 ACRIMA、RIM-ONE 和 ESOGU 上将其性能与传统的（深度）卷积神经网络（CNNs）进行比较。实验结果表明，Self-ONNs 不仅取得了更优的检测性能，还能显著降低计算复杂度，使其成为生物医学数据集（尤其在数据稀缺时）潜在适用的网络模型。
引用
@article{arxiv.2109.13604,
title = {Real-Time Glaucoma Detection from Digital Fundus Images using Self-ONNs},
author = {Ozer Can Devecioglu and Junaid Malik and Turker Ince and Serkan Kiranyaz and Eray Atalay and Moncef Gabbouj},
journal= {arXiv preprint arXiv:2109.13604},
year = {2021}
}