A Comparative Study of Filters and Deep Learning Models to predict Diabetic Retinopathy

要約

網膜は視覚系の重要な構成要素であり、視力を維持できるかどうかは、障害をタイムリーかつ正確に検出できるかどうかにかかっています。
公衆の健康に対する重大なリスクである糖尿病性網膜症 (DR) を早期に検出し、重症度を分類することが、この研究の主な目標です。
この研究では、ガウス、グレースケール、ガボールなどのさまざまな画像フィルターを利用した、InceptionNetV3、DenseNet121、その他の CNN ベースのモデルを含むさまざまな深層学習モデルの結果を比較します。
これらのモデルは、微妙な病理学的変化を検出し、その情報を使用して網膜疾患のリスクを推定することができます。
目的は、深層学習モデルを利用して、糖尿病関連失明の主な原因である DR の診断プロセスを改善することです。
グレースケール、ガウス、ガボール フィルター間の比較分析は、これらのフィルターを網膜画像に適用した後に提供されます。
ガウス フィルターは、InceptionNetV3 を使用すると 96% の精度が得られるため、最も有望なフィルターであることが確認されています。

要約(オリジナル)

The retina is an essential component of the visual system, and maintaining eyesight depends on the timely and accurate detection of disorders. The early-stage detection and severity classification of Diabetic Retinopathy (DR), a significant risk to the public’s health is the primary goal of this work. This study compares the outcomes of various deep learning models, including InceptionNetV3, DenseNet121, and other CNN-based models, utilizing a variety of image filters, including Gaussian, grayscale, and Gabor. These models could detect subtle pathological alterations and use that information to estimate the risk of retinal illnesses. The objective is to improve the diagnostic processes for DR, the primary cause of diabetes-related blindness, by utilizing deep learning models. A comparative analysis between Greyscale, Gaussian and Gabor filters has been provided after applying these filters on the retinal images. The Gaussian filter has been identified as the most promising filter by resulting in 96% accuracy using InceptionNetV3.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google