使用可解释分类器进行视网膜病变严重程度分级的计数预处理方法:一项比较研究
Hemanth Kumar Vasireddi1,2, Suganya Devi K3, G N V Raja Reddy1,4
1Computer Science and Engineering, National Institute of Technology, Silchar, 788010, Assam, India.
概括
一个人工智能 (AI) 系统被开发来改善糖尿病视网膜病变 (DR) 查. 这种新的方法在DR严重程度分级方面取得了高精度,提高了诊断效率.
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) 是不可逆转的视力损失的主要原因.
- 随着DR患病率的增加,需要有效的诊断工具.
- 目前用于DR查的人工智能 (AI) 系统需要改进精度.
研究的目的:
- 开发和实施基于人工智能的糖尿病视网膜病变 (DR) 查系统,使用彩色 fundus 照片.
- 为了提高DR诊断的准确性和效率.
主要方法:
- 一种计数式预处理方法被整合到DR严重程度分级的深度学习模型中.
- 拟议的模型与各种预训练模型和优化算法进行了比较.
- 性能指标包括准确性,精度,回忆和F1得分在MESSIDOR数据集上进行了评估.
主要成果:
- 计数管道组合K1-K2-K3-DFNN-LOA表现出卓越的性能.
- 拟议的模型达到最高准确率为97.60%,精度为94.60%,回忆率为98.40%,F1得分为94.60%.
- 宏观平均指标达到0.97,显示出强的表现.
结论:
- 开发的AI系统有效地从彩色底部图像中选糖尿病视网膜病变.
- 该系统有可能提高DR诊断的效率和可访问性.
- 人工智能技术的进一步进步可以增强对眼睛疾病的临床决策.
