这篇2017年的IOS Press论文介绍了使用深度学习方法自动识别青光眼。研究中，通过GoogLeNet架构结合ROI定位，对HRF和RIM-ONE数据集进行分类，分别达到90%、94.2%、86.2%和86.4%的准确率。尽管存在低对比度、高噪声和低分辨率等问题，研究目标是建立鲁棒网络以在图像质量不佳的情况下也能检测青光眼。方法包括ROI检测、数据增强和分类，但讨论部分指出没有提出新颖的思路，更多是常规的预处理和扩大数据应用。
31
2017 IOS Press
Automatic Identification of Glaucoma Using Deep Learning Methods
Method ： 分类
Dataset：HRF , RIM-ONE r1,RIM-ONE r2,RIM-ONE r3
Architecture： ROI + GoogLeNet
Results: AC HRF 90%, RIM-ONE r1 94.2% ,RIM-ONE r2 86.2% ,RIM-ONE r3 86.4% 总 87.6%
眼底图像缺陷：very subtle lesions, poor image quality, and illumination problems
The purpose of our work : to perform this detection even in images with
- low contrast
- high amount of noise
- low resolution
- ROI barely visible
Common practice :
- post-processing
- remove blood vessels
Aim
- robust network
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
