一种先进的深度学习方法来检测和分类基于彩色基底图像的糖尿病视网膜病变
Prasanna Lakshmi Akella1, R Kumar2
1Department of Electronics and Instrumentation Engineering, National Institute of Technology, Dimapur, Nagaland, India. prasannalakshmi.akella@gmail.com.
概括
使用You Only Look Once V3 (YOLO V3) 的新计算机系统可以从视网膜图像中准确检测糖尿病视网膜病变 (DR) 阶段. 这种AI模型为糖尿病眼病提供了更高的准确性和更快的诊断.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 糖尿病视网膜病变 (DR) 是糖尿病患者失明的主要原因.
- 早期检测和一致的监测对于管理DR至关重要.
- 视网膜底部摄影是DR的关键诊断工具.
研究的目的:
- 开发和评估使用深度学习进行DR分析的计算机化系统.
- 提高DR诊断的可靠性和效率.
- 将DR分为五个不同的阶段:正常,轻度,中度,严重和增殖.
主要方法:
- 实施你只看一次V3 (YOLO V3) 深度学习模型.
- 在视网膜底部图像上训练和测试YOLO V3算法.
- 评估DR分类和病变检测性能.
主要成果:
- 在训练和测试数据集的DR分类中实现了高精度和灵敏度.
- 为DR病变检测计算的平均平均精度 (mAP).
- 该模型在区分所有DR阶段方面表现出强的表现.
结论:
- 拟议的YOLO V3系统有效地区分糖尿病视网膜病变的所有阶段.
- 与现有方法相比,该模型具有更高的准确性和更短的实施时间.
- 这种由人工智能驱动的方法显示了改善DR的临床管理的希望.
