利用EfficientNet-B5从眼底摄影检测糖尿病视网膜病变的严重程度

Abstract

糖尿病性视网膜病变(DR)在许多糖尿病患者中普遍存在。它是糖尿病患者视网膜组织损伤的一种非常重要的疾病。甚至，在极端情况下，它可能会导致长期患DR的患者永久失明。因此，有必要尽快诊断这些患者，以减轻dr的严重影响。早期就提出了几种方法来识别该疾病，包括机器学习算法、图像处理等。在这项工作中，基于卷积神经网络(CNN)的预训练机器学习算法，以加速诊断DR的严重程度，利用眼底摄影患者的视网膜图像。图像分为五个不同的等级，定义了疾病的严重程度。我们使用了EfficientNet-B5和一个优化阈值来进一步改善结果。我们在训练集和测试集上的准确率分别为0.9402和0.9333，用二次加权Kappa分数表示。这证明了我们的方法在DR分类中的有效性。因此，我们的工作可以帮助DR患者降低终身失明的可能性。

Index Terms—Deep Learning, CNN, Diabetic Retinopathy,

EfficientNet-B5, Fundus Photography

I. INTRODUCTION

糖尿病性视网膜病变(DR)是一种严重的视网膜病变。有时，DR可能会严重到导致永久性失明。【1】全球有超过4.15亿人患有糖尿病，预计到2040年底将达到近6.42亿人。2【大约11.3%的美国人患有糖尿病。在35%到49%的糖尿病患者中存在DR。适当的治疗可以通过提供有效和快速的诊断来解决这个问题。然而，为了确保及时的治疗，有必要确定DR的严重阶段。因此，本文讨论了dr的不同阶段。

轻度视网膜动脉瘤:在这个阶段，一小部分视网膜血管像气球一样膨胀，称为微动脉瘤。因此，它可能泄漏液体进入视网膜，这是视网膜损伤的一个潜在原因。中度DR:随着疾病的发展，血管可能会