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、早産で生まれた赤ちゃんがかかる目の網膜の障害で、失明の恐れがある病気です。ROPのスクリーニングは、早期発見と治療のために不可欠です。この検査は、訓練を受けた医師が拡張眼科検査を行う必要があり、手間のかかる手作業であるため、主観的になりやすく、臨床的に重要な疾患の診断成功率が低くなる可能性があります。自動化された診断方法は、ディープラーニングを使用して眼科医が診断精度を向上させるのを支援します。いくつかの研究グループは、様々なアプローチに注目しています。本論文では，より高い診断精度を得るために，事前に学習させた伝達学習フレームワークを用いた新しい眼底前処理法を用いて，ハイブリッドモデルを作成することを提案する．評価では、従来の画像処理と比較して、これらの新しい方法は、Plus病、ROPのステージとゾーンの分類でより高い精度に貢献することを示しています。その結果、限られた学習データセットで、Plus diseaseで97.65%、Stageで89.44%、Zonesで90.24%の精度を達成しました。

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. This paper proposes the use of new novel fundus preprocessing methods using pretrained transfer learning frameworks to create hybrid models to give higher diagnosis accuracy. The evaluations show that these novel methods in comparison to traditional imaging processing contribute to higher accuracy in classifying Plus disease, Stages of ROP and Zones. We achieve accuracy of 97.65% for Plus disease, 89.44% for Stage, 90.24% for Zones with limited training dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL