一种基于深度学习的方法,用于从视网膜底部图像中同时定位光盘和焦膜
Mohammad Tariqul Islam1, Ferdaus Ahmed2, Mowafa Househ3
1Southern Connecticut State University, Connecticut, USA.
Studies in health technology and informatics
|June 30, 2023
概括
这项研究引入了一种深度学习方法,用于在视网膜图像中准确地定位光盘和膜. 这种新的方法在识别这些关键的眼睛结构方面表现出高精度.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 计算机视觉 计算机视觉
背景情况:
- 在视网膜底部图像中精确定位光盘和眼对于诊断各种眼部疾病至关重要.
- 现有方法在精度和效率方面可能面临挑战.
研究的目的:
- 开发和评估基于多任务学习的深度学习方法,用于同时定位光盘和光.
- 为此回归任务评估Densenet121架构的性能.
主要方法:
- 采用了多任务学习框架,将问题制定为基于图像的回归任务.
- 使用了Densenet121卷积神经网络 (CNN) 架构,并与其他各种CNN进行了比较.
- 在IDRiD数据集上进行了实验.
主要成果:
- 提出的基于Densenet121的方法在定位光盘和光方面都取得了很高的准确性.
- 该模型显示平均绝对误差为13像素 (0.04%),平均平方误差为11像素 (0.005%),根平均平方误差为0.02 (13%).
结论:
- 使用Densenet121的多任务学习方法对视觉盘和视网膜图像中的叶局部有效.
- 拟议的方法显示了视网膜底图像自动分析的有希望的结果.
