基于混合特征的颜色基底图像的自动分类用于预测基于混合特征的眼病类型
Ahlam Shamsan1, Ebrahim Mohammed Senan2, Hamzeh Salameh Ahmad Shatnawi1
1Computer Department, Applied College, Najran University, Najran 66462, Saudi Arabia.
Diagnostics (Basel, Switzerland)
|May 27, 2023
概括
早期发现眼病对于预防失明至关重要. 这项研究开发了一种使用特征融合的混合AI模型,用于从眼底图像中准确分类眼睛疾病,达到99.23%的AUC.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 早期发现眼病对于及时治疗和预防失明至关重要.
- 彩色底部摄影 (CFP) 是一种有效的诊断工具.
- 由于症状相似,区分早期眼部疾病是具有挑战性的,需要自动化诊断方法.
研究的目的:
- 开发和评估混合人工智能技术,使用CFP图像对眼睛疾病进行分类.
- 为了提高诊断准确性,比较不同的特征提取和融合策略.
主要方法:
- 使用的人工神经网络 (ANN) 进行分类.
- 使用深度学习模型 (MobileNet,DenseNet121) 来进行特征提取.
- 应用主要组件分析 (PCA) 用于缩小维度和特征融合技术.
主要成果:
- 结合合并的MobileNet和手工制作的功能与ANN的混合方法实现了高性能.
- 实现曲线下的面积 (AUC) 为99.23%,准确度为98.5%,精度为98.45%,特异性为99.4%,灵敏度为98.75%.
结论:
- 结合深度学习和手工制作的功能,混合人工智能模型显示出对自动眼病诊断的重大前景.
- 拟议的方法提供了一个可靠的解决方案,用于从CFP图像中准确有效地分类眼睛疾病.
