《表4 病变区域检测比较:基于R-FCN算法的糖尿病眼底病变自动诊断》
从表4的结果可以看出,目标检测类的算法对于病变区域的检测很有效。改进后的R-FCN在小目标检测(微血管瘤和眼底出血)明显比原始R-FCN和Faster R-CNN更优,微血管瘤AP从81.35%提升到83.68%,眼底出血AP从90.46%提升到92.28%,可见改进后的R-FCN算法有效解决了微血管瘤和眼底出血的漏检问题。玻璃体出血是十分明显的大目标,基于深度学习的目标检测算法都能100%检测到。另外训练集中没有健康人的图片,而在测试集的健康人图片上,算法的病变区域检测结果为空。这说明算法准确度非常高,神经网络已经训练出正确预测病变区域的模型,不会对未经训练过的健康人眼底图像预测出病变检测。
图表编号 | XD00119703900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.15 |
作者 | 王嘉良、罗健旭、刘斌、冯瑞、邹海东 |
绘制单位 | 华东理工大学信息科学与工程学院、华东理工大学信息科学与工程学院、上海无线电设备研究所、复旦大学计算机科学与工程学院、上海市眼科医院 |
更多格式 | 高清、无水印(增值服务) |