Die Studie präsentiert einen innovativen dualen Zweig-Transferlernansatz zur Erkennung und Einstufung der verschiedenen Stadien der diabetischen Retinopathie (DR) anhand eines einzelnen Fundusbildes. Das Modell nutzt zwei leistungsstarke vortrainierte CNN-Architekturen, EfficientNetB0 und ResNet50, die durch Transferlerntechniken auf einem großen mehrzentrischen Datensatz verfeinert wurden. Ein Schlüsselmerkmal der Arbeit ist die sorgfältige Zusammenstellung des Trainingsdatensatzes. Die Autoren kombinierten Daten aus drei öffentlichen Datensätzen und führten einen gründlichen Zusammenführungs- und Augmentierungsprozess durch, bei dem Kategorien selektiv basierend auf gewonnenen Erkenntnissen aus umfangreichen Experimenten einbezogen wurden. Dieser Ansatz ermöglichte es dem Modell, eine hervorragende Leistung bei der binären Klassifizierung (98,50% Genauigkeit) und der Mehrklass-Klassifizierung (89,60% Genauigkeit) zu erzielen, was die Überlegenheit des vorgeschlagenen Ansatzes gegenüber bestehenden Methoden in der Literatur belegt.
לשפה אחרת
מתוכן המקור
arxiv.org
תובנות מפתח מזוקקות מ:
by Hossein Shak... ב- arxiv.org 03-14-2024
https://arxiv.org/pdf/2308.09945.pdfשאלות מעמיקות