Detection of keratoconus Diseases using deep Learning

要約

最も深刻な角膜疾患のひとつである円錐角膜は、初期段階では診断が難しく、失明に至ることもある。この病気は人生の2年目に現れることが多く、性別や人種を問わず発症する。深層学習アプローチの一つである畳み込みニューラルネットワーク（CNN）は、最近、円錐角膜の正確かつタイムリーな診断のための特に有望なツールとして脚光を浴びている。本研究の目的は、異なるD-CNNモデルがどの程度円錐角膜関連疾患を識別できるかを評価することである。より正確には、5つの異なるCNNベースのディープラーニングアーキテクチャ（DenseNet201、InceptionV3、MobileNetV2、VGG19、Xception）を比較した。我々の包括的な実験分析において、DenseNet201ベースのモデルは、我々の広範な実験研究において、円錐角膜疾患識別において非常に良好な結果を示した。このモデルは、3つの重要なクラスにおいて89.14%という驚異的な精度を示し、D-CNN同等モデルを凌駕しました：円錐角膜、正常、および疑い。この結果は、モデルの安定性と頑健性だけでなく、正確で信頼できる円錐角膜識別のための実世界のアプリケーションにおける実用的な有用性を実証している。さらに、D-CNN DenseNet201は、精度、想起率、F1スコアの点で、精度だけでなく、非常に優れたパフォーマンスを示している。これらの指標は、円錐角膜のインスタンスを確実に検出し、偽陽性と偽陰性を減少させる能力を強調することにより、効果的な診断ツールとしてのモデルの有用性を検証している。

要約(オリジナル)

One of the most serious corneal disorders, keratoconus is difficult to diagnose in its early stages and can result in blindness. This illness, which often appears in the second decade of life, affects people of all sexes and races. Convolutional neural networks (CNNs), one of the deep learning approaches, have recently come to light as particularly promising tools for the accurate and timely diagnosis of keratoconus. The purpose of this study was to evaluate how well different D-CNN models identified keratoconus-related diseases. To be more precise, we compared five different CNN-based deep learning architectures (DenseNet201, InceptionV3, MobileNetV2, VGG19, Xception). In our comprehensive experimental analysis, the DenseNet201-based model performed very well in keratoconus disease identification in our extensive experimental research. This model outperformed its D-CNN equivalents, with an astounding accuracy rate of 89.14% in three crucial classes: Keratoconus, Normal, and Suspect. The results demonstrate not only the stability and robustness of the model but also its practical usefulness in real-world applications for accurate and dependable keratoconus identification. In addition, D-CNN DenseNet201 performs extraordinarily well in terms of precision, recall rates, and F1 scores in addition to accuracy. These measures validate the model’s usefulness as an effective diagnostic tool by highlighting its capacity to reliably detect instances of keratoconus and to reduce false positives and negatives.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL