Improving Classification of Retinal Fundus Image Using Flow Dynamics Optimized Deep Learning Methods

要約

タイトル：流体力学に最適化された深層学習方法による網膜眼底画像の分類の改善

要約：
– 糖尿病網膜症（DR）は、糖尿病によって網膜の血管ネットワークが損傷する障害を指し、糖尿病患者は視覚の危険にさらされる可能性がある。
– DRの診断は、経験豊富な医師が疾患を特定するために画像を用いて行うため、時間がかかる。
– 自動検出は非常に困難である。
– CNNは、手作業や機能的な方法に比べて、画像の分類に非常に効果的である。
– 研究者たちは、高い結果を保証するために、網膜眼底画像の特徴を特定できる最新のCNNモデルを提案した。
– このモデルの出力の特徴は、提案されたシステムの機械学習のさまざまな分類器で使用された。
– このモデルは、深層学習方法とVisual Geometry Group（VGG）ネットワークの異なる形式を使用して評価された。
– 一般的なKAGGLEデータセットからの画像を用いて、ここで提案されたFUNDNETと共にRiver Formation Dynamics（RFD）アルゴリズムを用いた。
– 調査の結果、このアプローチが他のアプローチよりも優れた結果を示したことが示された。

要約(オリジナル)

Diabetic Retinopathy (DR) refers to a barrier that takes place in diabetes mellitus damaging the blood vessel network present in the retina. This may endanger the subjects’ vision if they have diabetes. It can take some time to perform a DR diagnosis using color fundus pictures because experienced clinicians are required to identify the tumors in the imagery used to identify the illness. Automated detection of the DR can be an extremely challenging task. Convolutional Neural Networks (CNN) are also highly effective at classifying images when applied in the present situation, particularly compared to the handmade and functionality methods employed. In order to guarantee high results, the researchers also suggested a cutting-edge CNN model that might determine the characteristics of the fundus images. The features of the CNN output were employed in various classifiers of machine learning for the proposed system. This model was later evaluated using different forms of deep learning methods and Visual Geometry Group (VGG) networks). It was done by employing the images from a generic KAGGLE dataset. Here, the River Formation Dynamics (RFD) algorithm proposed along with the FUNDNET to detect retinal fundus images has been employed. The investigation’s findings demonstrated that the approach performed better than alternative approaches.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI