Die Studie präsentiert ein Computer-gestütztes Diagnosesystem (CAD) zur automatischen Klassifizierung von Netzhautbildern in fünf verschiedene Klassen der diabetischen Retinopathie: Normal, Mild, Moderat, Schwer und Proliferativ. Das System nutzt Convolutional Neural Networks (CNNs) mit vortrainierten Deep-Learning-Modellen. Durch Feinabstimmung (Fine-Tuning) der Modelle auf Fundusbildern der diabetischen Retinopathie mit Auflösungen von 350x350x3 und 224x224x3 Pixeln konnte die Leistungsfähigkeit gesteigert werden.
Die experimentellen Ergebnisse auf der Kaggle-Plattform unter Verwendung von 4 CPUs, 17 GB RAM und 1 GB Festplatte zeigen die Effektivität des Ansatzes. Die erreichten AUC-Werte (Area Under the Curve) für die CNN-, MobileNet-, VGG-16-, InceptionV3- und InceptionResNetV2-Modelle betragen 0,50, 0,70, 0,53, 0,63 bzw. 0,69.
Naar een andere taal
vanuit de broninhoud
arxiv.org
Belangrijkste Inzichten Gedestilleerd Uit
by Inas Al-Kama... om arxiv.org 04-01-2024
https://arxiv.org/pdf/2403.19905.pdfDiepere vragen