第条

视网膜新生血管病变的彩色眼底图像自动诊断

作者:

拉赫马布卡迪达,

雅鲁布埃卢米,

罗斯托姆卡乔里,

阿斯玛·本阿卜杜拉、和

穆罕默德·赫迪贝都伊作者信息和声明

计算机制图进展：第39届计算机图形国际会议，CGI 2022，虚拟事件，2022年9月12日至16日，会议记录

2022年9月

页451-462

https://doi.org/10.1007/978-3-031-23473-6_35

出版:2023年1月1日出版历史

摘要

视网膜新生血管化（NV）是视网膜中新生血管的异常生长，导致视力严重下降和失明。它是筛查几种疾病的主要生物标志物，其中增殖性糖尿病视网膜病变（PDR）和湿性老年性黄斑变性（WAMD）是最常见的疾病。NV严重性要求快速筛查，以避免严重退化。然而，这对眼科医生来说是劳动密集型和耗时的。

在本文中，我们提出了一种自动筛查方法，可以从眼底摄影中自动检测NV，并将其分为PDR、WAMD和Healthy。为此，对图像进行预处理，然后提供VGG16神经网络的传递学习模型。使用包含395张视网膜图像眼底照片的数据集对该方法进行了评估，其准确度为98.30%，灵敏度为98.66%，特异性为98.33%。此外，按类别计算，曲线下面积在98%至100%之间。

工具书类

[1]

Yu，S.，Xiao，D.，Kanagasingam，Y.：基于机器学习的视盘区域新生血管自动检测。IEEE生物医学杂志。健康信息。22(3), 886–894 (2018).

[2]

Wong，W.L.等：2020年和2040年年龄相关性黄斑变性的全球流行率和疾病负担预测：一项系统回顾和荟萃分析。柳叶刀全球健康2(2），e106–e116（2014）。

[3]

国际糖尿病联合会。国际糖尿病联合会糖尿病地图集。https://www.diabetesatlas.org/en/

[4]

Elloumi Y、Abroug N和Bedoui MH Bouadi T、Fromont E和Hüllermier E基于轻量级深层神经网络的糖尿病视网膜病变筛查端到端移动系统智能数据分析进展2022查姆斯普林格66-77

[5]

Boukadia，R.、Elloumi，Y.、Akil，M.、Bedoui，M.H.：增殖性糖尿病视网膜病变的移动辅助筛查系统。国际成像系统杂志。Technol公司。31(3), 1638–1654 (2021).

[6]

Elloumi，Y.、Ben Mbarek，M.、Boukadida，R.、Akil，M.和Bedoui，M.H.：中度糖尿病视网膜病变的快速准确移动辅助筛查系统。摘自：第十三届机器视觉国际会议，意大利罗马，第93页。2021年1月。

[7]

Sayadia SB、Elloumi Y、Kachouri R、Akil M、Abdallah AB和Bedoui MH用于实时AMD筛查移动设备专用眼底图像的自动化方法医学生物学。工程公司。2022 60 5 1449-1479

[8]

Elloumi，Y.、Akil，M.、Boudega，H.：使用深度学习在眼底图像中诊断眼病：方法、工具和性能评估。收录于：《2019年实时图像处理和深度学习》，美国巴尔的摩，第30页，2019年5月。

[9]

彭，Y。，等。：DeepSeeNet：一种深度学习模型，用于根据彩色眼底照片对基于患者的年龄相关性黄斑变性严重程度进行自动分类。眼科126(4), 565–575 (2019).

[10]

F.格拉斯曼。，等.：一种深度学习算法，用于根据彩色眼底摄影预测年龄相关性黄斑变性的年龄相关性眼病研究严重程度。眼科125(9), 1410–1420 (2018).

[11]

龙骨，S。，等：从彩色眼底照片中检测新生血管年龄相关性黄斑变性的深度学习算法的开发和验证。临床。实验。眼科。47(8), 1009–1018 (2019).

[12]

Heo，T.-Y。，等：开发基于深度学习的人工智能工具，用于区分干性和新生血管年龄相关性黄斑变性。诊断10(5), 261 (2020).

[13]

Burlina，P.，Pacheco，K.D.，Joshi，N.，Freund，D.E.，Bressler，N.M.：比较人类和深度学习绩效对AMD分级的影响：一项使用通用深度特征和转移学习进行自动AMD分析的研究。计算。生物医学。82, 80–86 (2017).

[14]

Pratt，H.、Coenen，F.、Broadbent，D.M.、Harding，S.P.、Zheng，Y.：糖尿病视网膜病变的卷积神经网络。Procedia计算。科学。90, 200–205 (2016).

[15]

Shanthi，T.，Sabeenian，R.S.：糖尿病视网膜病变图像分类的改良Alexnet结构。计算。选举人。工程师。76,56–64 (2019).

[16]

Riaz，H.、Park，J.、Choi，H、Kim，H.和Kim，J.：糖尿病视网膜病变分类的深层紧密连接网络。诊断10(1), 24 (2020).

[17]

Wan，S.，Liang，Y.，Zhang，Y.：通过图像分类检测糖尿病视网膜病变的深度卷积神经网络。计算。选举人。工程师。72,274–282 (2018).

[18]

刘，R。，等：DeepDRiD：糖尿病视网膜病变分级和图像质量评估挑战。模式3(6), 100512 (2022).

[19]

戴，L。，等。：检测糖尿病视网膜病变的深度学习系统。国家公社。12(1), 3242 (2021).

[20]

Ghebrechristos，H.、Alaghband，G.、Hwang，R.Y.：RetiNet-从公开数据集学习糖尿病视网膜病变和年龄相关性黄斑变性模式的特征提取程序。2017年美国内华达州拉斯维加斯计算科学与计算智能国际会议（CSCI），第1643-1648页。2017年12月。

[21]

冈萨雷斯-冈萨罗，C。，等人：对糖尿病视网膜病变和年龄相关性黄斑变性联合自动检测的深度学习系统的评估，学报眼科98(4）第368至377页（2020年）。

[22]

Simonyan，K.，Zisserman，A.：用于大规模图像识别的甚深卷积网络（2014）。

[23]

Boudega，H.、Elloumi，Y.、Akil，M.、Hedi Bedoui，M.，Kachouri，R.、Abdallah，A.B.：基于深度学习网络的快速高效视网膜血管分割方法。计算。医学图像。图表90101902 (2021).

[24]

OIA-ODIR:[对齐]。争议所在地：https://odir2019.grand-challenge.org

[25]

RFMid公司：https://riadd.grand-challenge.org/download-all-classes网站/

[26]

避难所AMD。https://refuge.grand-challenge.org/iChallenge-AMD/

[27]

副总裁Castillo Benítez。，等：糖尿病视网膜病变研究的眼底图像数据集。简要数据36, 107068 (2021).

[28]

Elloumi，Y.：基于深度卷积神经网络和叠加集成学习的白内障分级方法。国际成像系统杂志。技术。32(3), 798–814 (2022).

[29]

Mrad，Y.，Elloumi，Y.、Akil，Y.和Bedoui，M.H.：从智能手机采集的眼底图像中快速准确地筛查青光眼的方法。IRBM公司43, 279–289 (2021).

索引术语

视网膜新生血管病变的彩色眼底图像自动诊断
1. 应用计算
  1. 生命与医学
2. 计算方法
  1. 人工智能
    1. 计算机视觉
      1. 计算机视觉问题
  2. 机器学习
    1. 机器学习算法
    2. 机器学习方法
      1. 神经网络

索引项已通过自动分类分配给内容。

建议

视网膜眼底图像血管分割在增殖性糖尿病视网膜病变筛查中的应用
摘要
糖尿病视网膜病变（DR）也称为糖尿病眼病，它因糖尿病对视网膜造成损害，并在疾病达到极端阶段时导致失明。医学检查需要很多程序、时间和。。。
阅读更多信息
视网膜图像中的自动病变检测
ISABEL’11：第四届生物医学和通信技术应用科学国际研讨会论文集

本文描述视网膜图像中的自动病变检测。医生和眼科医生评估视网膜图像中的几种病变，包括出血、渗出和小动脉狭窄。出血是糖尿病的主要症状。。。
阅读更多信息
眼底图像中视网膜血管直径的计算方法
ICVGIP’23：第十四届印度计算机视觉、图形和图像处理会议记录

视网膜血管是为人眼提供血液的动脉和静脉。通过眼底照相机获得的眼底图像捕捉视网膜信息，如黄斑、视盘、杯状物、中央凹、视网膜血管和异常。这个。。。
阅读更多信息

评论

信息和贡献者

问询处

发布于

封面图片指南会议记录

计算机制图进展：第39届计算机制图国际会议，CGI 2022，虚拟事件，2022年9月12日至16日，会议记录

2022年9月

589页

国际标准图书编号：978-3-031-23472-9

内政部：10.1007/978-3-031-23473-6

编辑：
纳迪娅·马格纳特·塔尔曼
日内瓦大学，瑞士日内瓦
,
张健（Jian Zhang）
伯恩茅斯大学，英国普尔
,
金曼·金
澳大利亚新南威尔士州悉尼悉尼大学
,
乔治·帕帕吉安纳基斯
希腊赫拉克利翁克里特大学
,
Bin Sheng先生
上海交通大学，中国上海
,
丹尼尔·塔尔曼
瑞士洛桑瑞士联邦理工学院
,
玛丽娜·加夫里洛娃
加拿大卡尔加里大学

©作者，经施普林格自然瑞士公司2022独家授权。

出版商

Springer-Verlag公司

柏林，海德堡

出版历史

出版：2023年1月1日

作者标记

限定符

第条

贡献者

其他指标

查看文章指标

文献计量学和引文

文献计量学

文章指标

0
引文总数
0
总下载次数

下载量（最近12个月）0
下载次数（最近6周）0

其他指标

查看作者指标

引文

视图选项

查看选项

获取访问权限

登录选项

检查您是否可以通过登录凭据或您的机构访问本文。

完全访问权限

获取此出版物

媒体

数字

其他

桌子