Ocular Disease Classification Using CNN with Deep Convolutional Generative Adversarial Network

要約

畳み込みニューラルネットワーク（CNN）は、その強力な学習能力のため、画像分類で印象的なパフォーマンスを示しています。
ただし、効果的なトレーニングには、実質的でバランスの取れたデータセットが必要です。
それ以外の場合、ネットワークは、新しい例に一般化するために、フィッティングや苦労に頻繁に展示します。
眼疾患の眼底画像の公開データセットは、満足のいく精度を達成するために分類モデルを訓練するには不十分です。
したがって、CNNベースの分類モデルをトレーニングするためにデータセットを合成するための生成的敵対的ネットワーク（GAN）ベースのデータ生成手法を提案し、後でモデルをテストするために眼画像を含む元の疾患を使用します。
元の眼画像を使用したモデル分類精度のテスト中、モデルは近視で78.6％、緑内障で88.6％、白内障で84.6％、全体的な分類精度は84.6％です。

要約(オリジナル)

The Convolutional Neural Network (CNN) has shown impressive performance in image classification because of its strong learning capabilities. However, it demands a substantial and balanced dataset for effective training. Otherwise, networks frequently exhibit over fitting and struggle to generalize to new examples. Publicly available dataset of fundus images of ocular disease is insufficient to train any classification model to achieve satisfactory accuracy. So, we propose Generative Adversarial Network(GAN) based data generation technique to synthesize dataset for training CNN based classification model and later use original disease containing ocular images to test the model. During testing the model classification accuracy with the original ocular image, the model achieves an accuracy rate of 78.6% for myopia, 88.6% for glaucoma, and 84.6% for cataract, with an overall classification accuracy of 84.6%.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google