基于增强特征提取处理的糖尿病视网膜病变快速筛查策略
计算机视觉与模式识别
2023-05-09 v1 人工智能
摘要
在现代社会，由糖尿病引起的最严重的眼部感染之一称为糖尿病视网膜病变，其会导致视网膜损伤，进而致盲。糖尿病视网膜病变若早期诊断可得到良好治疗。人类视网膜眼底图像用于筛查视网膜病变。然而，由于症状轻微，早期检测 DR 具有挑战性。此外，由 DR 引起的血管异常相关疾病的发生有助于诊断该病症。尽管如此，手动识别病变所需资源较高。类似地，卷积神经网络训练更为耗时。本研究旨在通过开发一种增强的深度学习模型用于及时的 DR 识别，该模型可能比现有基于 CNN 的模型更准确，从而改善糖尿病视网膜病变诊断。所提模型将在早期阶段从视网膜图像中检测多种病变。首先，从视网膜眼底图像中提取特征并输入 EDLM 进行分类。EDLM 用于降维。此外，使用随机梯度下降优化器对分类和特征提取过程进行优化。EDLM 的有效性在包含 3459 张视网膜图像的 KAG GLE 数据集上评估，并与 VGG16、VGG19、RESNET18、RESNET34 和 RESNET50 进行比较。
引用
@article{arxiv.2305.04724,
title = {Strategy for Rapid Diabetic Retinopathy Exposure Based on Enhanced Feature Extraction Processing},
author = {V. Banupriya and S. Anusuya},
journal= {arXiv preprint arXiv:2305.04724},
year = {2023}
}