A CNN-LSTM Combination Network for Cataract Detection using Eye Fundus Images

要約

世界保健機関を含む複数の権威ある当局によると、視覚関連の障害や障害が重大な問題になりつつあります。
最近の報告によると、50 歳以上の人が不可逆的に失明する主な原因の 1 つは、白内障治療の遅れです。
白内障とは、目の水晶体が曇って視力が低下する病気です。
白内障はゆっくり進行することが多く、その結果、運転や読書、さらには顔の認識さえ困難になります。
これには、眼疾患の迅速で信頼できる診断および治療ソリューションの開発が必要です。
以前は、このような視覚疾患の診断は手作業で行われており、時間がかかり、人的ミスが発生しやすかった.
しかし、技術が進歩するにつれて、信頼できる結果を生み出しながら時間と人的労力の両方を削減する自動化されたコンピューターベースの方法が利用できるようになりました.
この研究では、眼底画像から眼疾患の正常なケースと白内障のケースを分類できる低コストの診断システムを作成することを目標に、CNN-LSTM ベースのモデル アーキテクチャを開発しました。
提案されたモデルは、患者の左眼と右眼の眼底画像を含む、公開されている ODIR データセットでトレーニングされました。
提案されたアーキテクチャは、最新の 97.53% の精度で以前のシステムよりも優れていました。

要約(オリジナル)

According to multiple authoritative authorities, including the World Health Organization, vision-related impairments and disorders are becoming a significant issue. According to a recent report, one of the leading causes of irreversible blindness in persons over the age of 50 is delayed cataract treatment. A cataract is a cloudy spot in the eye’s lens that causes visual loss. Cataracts often develop slowly and consequently result in difficulty in driving, reading, and even recognizing faces. This necessitates the development of rapid and dependable diagnosis and treatment solutions for ocular illnesses. Previously, such visual illness diagnosis were done manually, which was time-consuming and prone to human mistake. However, as technology advances, automated, computer-based methods that decrease both time and human labor while producing trustworthy results are now accessible. In this study, we developed a CNN-LSTM-based model architecture with the goal of creating a low-cost diagnostic system that can classify normal and cataractous cases of ocular disease from fundus images. The proposed model was trained on the publicly available ODIR dataset, which included fundus images of patients’ left and right eyes. The suggested architecture outperformed previous systems with a state-of-the-art 97.53% accuracy.

arxiv情報

著者 Dishant Padalia,Abhishek Mazumdar,Bharati Singh
発行日 2022-10-28 12:35:15+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.CV, cs.LG パーマリンク