阅读论文（一）

论文原文：

https://journals-plos-org-s.vpn.qfnu.edu.cn/plosone/article/file?id=10.1371/journal.pone.0217541&type=printable​journals-plos-org-s.vpn.qfnu.edu.cn/plosone/article/file?id=10.1371/journal.pone.0217541&type=printable

论文题目：Replication study: Development and validation of a deep learning algorithm for detection of diabetic retinopathy in retinal fundus photographs

中文题目：复制研究：开发和验证用于检测视网膜眼底照片中的糖尿病视网膜病变的深度学习算法

0 摘要

这篇文章试图复制2016年JAMA上发表的用于检测视网膜眼底照片中的糖尿病视网膜病变的深度学习算法的开发和验证中的主要方法。最初的研究使用来自EyePACS和印度三家医院的非公开眼底图像进行培训。本文使用了来自Kaggle的不同的EyePACS数据集。原始研究使用基准数据集Messidor-2来评估算法的性能。本文使用相同的数据集。在最初的研究中，眼科医生对糖尿病视网膜病变、黄斑水肿和图像分级进行了重新分级。在我们的数据集中，每张图像有一个糖尿病视网膜病变分级，我们自己评估图像的可分级性。最初的研究没有提供超参数设置。

由于方法描述不够详细，我们无法重复原始研究。我们尽了最大的努力复制的结果是一个算法不能复制原始研究的结果。我们的算法在Kaggle EyePACS测试集上的受试者工作特征曲线下面积(AUC)为0.94，在Messidor-2测试集上的AUC为0.80，与原始研究中报道的两个测试集的AUC均为0.99相差很大。这可能是由于每张图像使用单一等级，不同的数据或不同的未描述的超参数造成的。我们对各种归一化方法进行了实验，发现通过将图像归一化到[1,1]范围进行训练可以获得最佳的复制结果。

源代码和说明：

GitHub - mikevoets/jama16-retina-replication: JAMA 2016; 316(22) Replication Study​github.com/mikevoets/jama16-retina-replication​编辑

1 介绍

在本研究中，我们选择尝试复制2016年发表在JAMA上的一篇文章中的主要方法:开发和验证用于检测视网膜眼底照片中的糖尿病视网膜病变的深度学习算法。