通过深度学习识别眼睛疾病
Elena Acevedo1, Dinora Orantes2, Marco Acevedo1
1Instituto Politécnico Nacional, Escuela Superior de Ingeniería Mecánica y Eléctrica, Campus Zacatenco, Mexico City 07700, Mexico.
Diagnostics (Basel, Switzerland)
|April 12, 2025
概括
一个新的深度学习算法准确地分类眼睛疾病,包括白内障和糖尿病视网膜病变,效率为97%. 该工具提供了一个低复杂度,高效的解决方案,用于全球诊断眼睛疾病.
科学领域:
- 眼科医生 眼科 眼科
- 计算机科学 计算机科学
- 医疗成像医学成像
背景情况:
- 眼部疾病是一个重大的全球健康挑战,特别是在资源有限的地区.
- 有效和易于使用的诊断工具对于管理眼部疾病至关重要.
- 当前的诊断方法可能缺乏全球所需的准确性或可访问性.
研究的目的:
- 设计和实施一个高精度的深度学习算法来分类眼部疾病.
- 开发一个用户友好的软件解决方案,安装复杂度低.
- 为了提高诊断各种眼睛疾病的有效性.
主要方法:
- 应用了数字图像处理技术,包括模糊和Canny过器,用于眼睛的图像预处理.
- 专门设计的卷积神经网络 (CNN) 用于疾病分类.
- 预留验证方法 (80-20分) 和标准指标 (准确性,精度,回忆,F1分) 用于评估.
主要成果:
- 数据集包括五个类别:正常,白内障,糖尿病视网膜病变,绿内障和其他视网膜疾病.
- 开发的CNN架构有11个层,包括卷积层,最大池和隐藏层.
- 该算法在所有评估指标中实现了97%的效率,显示出高性能.
结论:
- 拟议的深度学习算法有效地区分健康和患病的眼睛.
- 该模型准确地分类了各种特定的眼病.
- 这项技术有可能改善全球准确诊断眼病的机会.
