10、糖尿病视网膜病变检测与人群计数技术研究

糖尿病视网膜病变检测与人群计数技术研究

糖尿病视网膜病变检测

计算机视觉方法中存在端到端学习和手动工程两种方法。端到端学习能自动提取更多有趣特征，分类效果更好；手动工程方法则基于提取单一特征。在端到端深度集成网络中，能检测到糖尿病视网膜病变（DR）的所有阶段，包括轻度阶段。

相关工作

• Gondal等人 ：使用两个公开数据集，DB1用于测试，DB2用于训练，进行非转诊DR和转诊DR的二分类。
• Wang等人 ：提出一种架构，能轻松将DR分类为可转诊/不可转诊和异常/正常，使用了裁剪、注意力和主网络。
• Chandra Kumar和Kathirvel ：引入CNN模型架构，使用DRIVE和STARE数据集进行测试和训练，进行图像去噪预处理，先检测DR为二分类，后提出多分类。
• Pratt等人 ：使用CNN方法进行分类，但受偏斜数据集影响，受影响图像分类不佳。
• Masko和Hensman ：使用平衡数据集训练模型时准确率表现较好，但测试时效果不佳。
• Bravo等人 ：使用非偏斜数据集训练模型，准确率达50%，但测试未用平衡数据集。
• Takahashi等人 ：提出分级系统，利用视网膜表面和AI疾病分期系统对DR严重程度进行分级，使用Davis分期修改技术分类，假阳性率高于假