基于R-FCN算法的糖尿病眼底病变自动诊断

被引：9

作者：

王嘉良 ^{[1
]}

罗健旭 ^{[1
]}

刘斌 ^{[2
]}

冯瑞 ^{[3
]}

邹海东 ^{[4
]}

机构：

[1] 华东理工大学信息科学与工程学院

[2] 上海无线电设备研究所

[3] 复旦大学计算机科学与工程学院

[4] 上海市眼科医院

来源：

计算机工程与应用 | 2020年 / 56卷 / 04期

关键词：

深度学习; 目标检测; 卷积神经网络; 计算机视觉; 糖尿病眼底病变;

D O I：

暂无

中图分类号：

R587.2 [糖尿病性昏迷及其他并发症]; R773.4 [脉络膜疾病]; TP183 [人工神经网络与计算]; TP391.41 [];

学科分类号：

080203 ;

摘要：

糖尿病眼底病变(Diabetic Retinopathy,DR)是糖尿病患者常见的致盲疾病,可使用深度学习算法对患者的糖尿病眼底图片进行图像识别,实现对糖尿病眼底病变的辅助诊断。针对以往普通卷积神经网络只能进行分类和输入尺寸固定的问题,提出了基于目标检测的区域全卷积网络(Region-based Fully Convolutional Networks,R-FCN)算法,实现同时对任意尺寸输入的糖尿病眼底图片的分类和病变区域检测。针对原始R-FCN算法对小目标(极小的出血点和血管瘤)检测困难的问题,对R-FCN算法做了一定的改进,加入特征金字塔网络(Feature Pyramid Networks,FPN)结构,升级主干网络,修改区域建议网络(Region Proposal Network,RPN)。实现结果表明,改进后的RFCN算法能以很高的正确率实现对糖尿病眼底图片的五级分类(健康、轻度、中度、重度、增殖)和病变区域检测(血管瘤、眼底出血、玻璃体出血)。

引用

页码：109 / 114

页数：6

共 4 条

[1] An ensemble deep learning based approach for red lesion detection in fundus images[J] . José Ignacio Orlando,Elena Prokofyeva,Mariana del Fresno,Matthew B. Blaschko.Computer Methods and Programs in Biomedicine . 2018
[2] Computer-aided diagnosis of diabetic retinopathy: A review[J] . Muthu Rama Krishnan Mookiah,U. Rajendra Acharya,Chua Kuang Chua,Choo Min Lim,E.Y.K. Ng,Augustinus Laude.Computers in Biology and Medicine . 2013 (12)
[3] The Pascal Visual Object Classes (VOC) Challenge
Everingham, Mark
Van Gool, Luc
Williams, Christopher K. I.
Winn, John
Zisserman, Andrew
[J]. INTERNATIONAL JOURNAL OF COMPUTER VISION, 2010, 88 (02) : 303 - 338
[4] An integrated index for the identification of diabetic retinopathy stages using texture parameters .2 UR Acharya,EY Ng,JH Tan,SV Sree,KH Ng. Journal of medical systems . 2012

← 1 →