使用协同深度学习模型检测糖网病灶并进行糖网分级
Automated detection and classification of fundus diabetic retinopathy images using synergic deep learning model
IF = 4.757/Q2
文章目录
先验知识/知识拓展
- 不同阶段糖网的病灶状况
文章结构
- 摘要
- introduction
- 相关工作
- 使用模型
- 性能验证
- 结论
文章结果
使用深度学习方法对眼底照中的糖网病灶进行自动检测和分类糖网。其中公设计三个方面:预处理,分割,分类
方法
文章中的方法主要包含三个过程,后面我将从三个方面写一下自己的理解
1. 预处理
每张图像包含RGB红绿蓝三个通道,作者发现绿色通道与视神经和相关的视网膜特征又重要关系,因此将绿色通道分离,用于下一步直方图分割
2. 依靠直方图对病灶进行分割
——将整张图的有用区域提取出来
包含两个层次
- 识别图像汇总出现的主色,并构造出分割的图像区域(大致分割范围)
- 基于分割区域的大小进行和并,最小化分割图像的区域数量
原文看的我云里雾里,只明白了一点点,需要再看看
3.基于SDL对糖网病灶进行分级
(1) SDL架构
(2)分开详解
SDL模型主要包括三部分:
- 输入层
将两组数据resize到224*224即可,当然每组图片都携带label - k DCNN
此处的DCNN网络使用的是ResNet,可以替换成AlexNet,GoogLeNet,VGGNet等 - (Ck)² 协同网络
使用糖网的最大检出率对糖网进行分级
总结
1. 文章优点
- 虽然只在一个数据集上进行验证,但是他使用不同的额方式展现,不但有混淆矩阵,还把混淆矩阵数值化作为一个label。因为是多分类问题,将TP,FP,TN和FN都呈现,准确率,精确性和敏感性又是一个表。将自己和单纯使用DCNN网络的分类结果进行比较,自己的性能可!
- 这一篇的作者很会展现,虽然只有一个数据集,但是因为图表和充实,给人工作量很大的现象。当然第二部分应该是他的重中之重,但是我还没完全看懂。明天再看看,看看是不是我以前知道的TL换了个说法。
2. 文章不足
- 网络结构部分写的没有上一篇详细,当然ResNet是大家都和熟悉的model了,但是第二部分直方图,真的好像看懂,但是看不懂
- 协同学习部分也只是随便提了提,所以作者是将注意力放在了第二部分,但是第二部分我还是没看懂
可借鉴点/学习点?
- 图表部分可借鉴,整体显得很充实 。