【医学+深度论文：F08】2018 Performance of Deep Learning Architectures and Transfer Learning for Detecting

08

Performance of Deep Learning Architectures and Transfer Learning for Detecting Glaucomatous Optic Neuropathy in Fundus Photographs

2018

Method ： ONH 二分类问题
Dataset ：14822（stereoscopic）
Architecture : model - VGG16/Inceptionv3/ResNet50；transfer - pretraining on ImageNet database
Results ： Best model AUC=0.91，moderate-to-severe 0.97，mild AUC 0.89

评估了几种深度学习架构和迁移学习

不同的CNN结构最适合于不同的问题，而且事先知道什么结构适合于给定的任务是很困难的，因此经验测试通常是确定这个问题的最佳方法。

Methods

Data

• Nidek Stereo Camera Model 3-DX (Nidek Inc, Palo Alto, California)

simultaneous stereoscopic ONH photographs

• VF
  Humphrey Field Analyzer II (Carl Zeiss Meditec, Dubin, CA)
  standard 24-2 testing pattern / the Swedish Interactiv