深度学习诊断青光眼：基于数字视网膜图像的准确识别
该研究利用1426张数字视网膜图像，采用18层卷积神经网络（CNN）实现青光眼的精确诊断。通过对图像进行分类，达到98.13%的准确性，98%的敏感性和98.30%的特异性。与其他传统算法相比，CNN避免了特征提取和预处理步骤，但需要大量数据。未来计划扩展为多列、多尺度CNN模型。
09
2018 Deep Convolution Neural Network for Accurate Diagnosis of Glaucoma Using Digital Fundus Images
Method ： 分类
Dataset ： 1426 (589: normal and 837: glaucoma) Digital Fundus Images
Zeiss FF 450 Fundus camera
jpeg format
Architecture : 18 layer CNN
Results ：accuracy （98.13% ）, sensitivity（ 98% ）, specificity（98.30% ）, PPV（98.79%）
文章有一部分详细介绍了CNN中各种层，除了网络部分某些地方还好，感觉文章像一篇科普net的文。。
Methods
认为 健康眼的 CDR 是0.3
CAD related work
大多数算法是 two stage pipeline：
- 特征提取
小波变换 、Gabor变换、高阶谱(HOS)等是特征提取技术。 - 分类
采用人工神经网络(ANN) 、支持向量机(SVM) 、k近邻(KNN) 等方法对类进行预测。
本文算法
使用CNN one stage 特征提取+分类
Pipeline
最低0.47元/天 解锁文章
扫一扫
3174
到【灌水乐园】发言
