.png){kind=icon}
返回
Interpretable transfer learning framework for diabetic retinopathy stage classification
.png){kind=icon}
OA
AI
DOI：10.1007/s13721-025-00604-3.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
糖尿病视网膜病变（DR）是糖尿病的一种严重并发症，若未在早期诊断和治疗，可能导致视力损害和不可逆失明。在其初期阶段，DR通常无症状，这使得早期检测尤为困难。由于视网膜病变的细微和多样性，人工检查眼底图像既费时又易出错。因此，准确分类DR的不同阶段仍是一个重大挑战。为解决这一问题，我们提出了一种基于深度学习的方法，利用了八个预训练的卷积神经网络（CNN）模型：VGG16、VGG19、Xception、InceptionV3、ResNet50、InceptionResNetV2、MobileNetV2和EfficientNetB0。我们在两个公开数据集上评估了这些模型：数据集A（APTOS 2019）和数据集B（Messidor-EyePACS）。在测试的模型中，ResNet50在APTOS 2019数据集上达到了86%的最高准确率，超过了现有DR分类领域的先进方法。为提高模型透明度并支持临床信任，我们集成了SHAP（Shapley Additive Explanations）以实现可视化解释。该技术突出了模型在做出预测时所用到的最相关图像区域，为决策过程提供了有价值的见解。我们的发现表明，将高性能深度学习模型与可解释性工具相结合，可以显著提升自动化DR筛查系统的准确性、透明度和临床适用性。
Keyword:
Diabetic retinopathy
Classification
Transfer learning
SHAP
期刊
N
IF:
0
论文数:
178
被引数:
1
机构
暂无机构信息
引用论文
"Why Should I Trust You?"“我为什么要相信你？”.png)
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningIF0
PREAI
分享收藏Deep convolutional neural networks for diabetic retinopathy detection by image classification基于图像分类的深度卷积神经网络糖尿病视网膜病变检测
PREAI
分享收藏ExplAIn: Explanatory artificial intelligence for diabetic retinopathy diagnosis解释: 用于糖尿病视网膜病变诊断的解释性人工智能MEDICAL IMAGE ANALYSIS
OAAI
MEDICAL IMAGE ANALYSISIF11.8
OAAI分享收藏Algorithms for the Automated Detection of Diabetic Retinopathy Using Digital Fundus Images: A Review使用数字眼底图像自动检测糖尿病性视网膜病变的算法: 综述
PREAI
分享收藏
查看更多内容