糖尿病视网膜病变特征细分没有编码 经验与计算机视觉模型YOLOv8和YOLOv9
Nicola Rizzieri1, Luca Dall'Asta2, Maris Ozoliņš1,3
1Department of Optometry and Vision Science, Faculty of Physics, Mathematics and Optometry, University of Latvia, Jelgavas Street 1, LV-1004 Riga, Latvia.
Vision (Basel, Switzerland)
|September 23, 2024
概括
最先进的YOLOv8和YOLOv9模型在细分糖尿病视网膜病变 (DR) 病变 (如 fundus图像中的微动脉瘤) 中显示出希望. 虽然结果是可以接受的,但需要进一步研究临床应用.
科学领域:
- 眼科医生 眼科 眼科
- 计算机视觉 计算机视觉
- 医疗成像医学成像
背景情况:
- 糖尿病视网膜病变 (DR) 是导致视力丧失的主要原因,其特点是早期症状,如微动脉瘤 (MAs),出血 (HEMOs) 和排泄物 (EXs).
- 计算机视觉模型越来越多地用于在视网膜底图像中自动检测和分类这些早期DR指标.
研究的目的:
- 评估YOLOv8和YOLOv9架构的性能,以对DR相关的病变和光盘进行细分.
- 评估使用这些模型用于DR损伤检测而不需要广泛的编码或编程专业知识的可行性.
主要方法:
- 使用了来自MESSIDOR数据库的100张DR fundus图像,用于像素细分手动注释.
- 应用数据增强技术,包括,翻转和旋转,以增强训练样本的多样性.
- 测试了各种YOLOv8和YOLOv9模型变体,用于病变检测和细分.
主要成果:
- 在检测DR病变 (MA,HEMO,EX) 和光盘时达到可接受的平均平均精度 (mAP).
- 展示了YOLO架构的潜力,用于对DR fundus图像进行自动分析.
- 与文献中的其他神经网络方法进行性能比较.
结论:
- YOLOv8和YOLOv9在DR病变细分方面显示出有希望的结果,但尚未准备好临床实施.
- 准确的病变检测对于糖尿病视网膜病变的早期和正确诊断至关重要.
- 未来的工作应该集中在改善MA细分,图像预处理和利用标准化数据集.
