Novel Fundus Image Preprocessing for Retcam Images to Improve Deep Learning Classification of Retinopathy of Prematurity

要約

未熟児網膜症（ROP）は、目の網膜が損傷するため、未熟児で生まれた赤ちゃんに影響を与える可能性がある、失明の可能性がある目の病気です。
ROP のスクリーニングは早期発見と治療に不可欠です。
これは、訓練を受けた医師が拡張眼科検査を行う必要がある、手間のかかる手作業のプロセスであり、主観的な結果となり、臨床的に重大な疾患の診断成功率が低くなる可能性があります。
自動診断方法は、眼科医がディープラーニングを使用して診断の精度を高めるのに役立ちます。
いくつかの研究グループがさまざまなアプローチを強調しています。
キャプチャされた ROP Retcam 画像の品質が低下します。
この論文では、事前トレーニングされた転移学習フレームワークを使用して、より高い診断精度を提供するハイブリッド モデルを作成する、改良された新しい眼底前処理方法の使用を提案します。
トレーニングと検証が完了すると、従来の画像処理と比較したこれらの新しい方法が、Plus 疾患、ROP のステージ、およびゾーンの分類において、同等の論文と比較して、より優れた、多くの面でより高い精度に貢献することが評価によって示されました。

要約(オリジナル)

Retinopathy of Prematurity (ROP) is a potentially blinding eye disorder because of damage to the eye’s retina which can affect babies born prematurely. Screening of ROP is essential for early detection and treatment. This is a laborious and manual process which requires trained physician performing dilated ophthalmological examination which can be subjective resulting in lower diagnosis success for clinically significant disease. Automated diagnostic methods can assist ophthalmologists increase diagnosis accuracy using deep learning. Several research groups have highlighted various approaches. Captured ROP Retcam images suffer from poor quality. This paper proposes the use of improved novel fundus preprocessing methods using pretrained transfer learning frameworks to create hybrid models to give higher diagnosis accuracy. Once trained and validated, the evaluations showed that these novel methods in comparison to traditional imaging processing contribute to better and in many aspects higher accuracy in classifying Plus disease, Stages of ROP and Zones in comparison to peer papers.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google