基于迁移学习的相对性传入性瞳孔缺陷筛查
计算机视觉与模式识别
2019-08-08 v1 图像与视频处理
信号处理
摘要
瞳孔光反射异常可提示视神经疾病，若未在早期确诊可能导致永久性视力丧失。本研究关注相对性传入性瞳孔缺陷（RAPD），其基于双眼在光刺激下反应的差异。现有的RAPD评估方法基于主观操作，可能导致不可靠的测量。为消除主观性并获得可靠测量，我们引入了一种自动检测RAPD的框架。为验证，我们使用头戴式实验舱开展了临床研究，该设备可执行自动光反射测试。除对手工算法进行基准测试外，我们提出了一种基于迁移学习的方法，将基于深度学习的通用物体识别算法转化为瞳孔检测器。根据所进行的实验，所提算法RAPDNet在64个测试病例的平衡集上可达到90.6%的灵敏度和特异度，对应于ROC分析中0.929的AUC。根据我们与三种手工算法和九项性能指标的基准比较，RAPDNet在每一性能类别中均优于其他所有算法。
引用
@article{arxiv.1908.02300,
title = {Relative Afferent Pupillary Defect Screening through Transfer Learning},
author = {Dogancan Temel and Melvin J. Mathew and Ghassan AlRegib and Yousuf M. Khalifa},
journal= {arXiv preprint arXiv:1908.02300},
year = {2019}
}
备注
8 pages, 7 figures, 4 tables. IEEE Journal of Biomedical and Health Informatics, 2019