Classification of macular abnormalities using a lightweight CNN-SVM framework

计算机科学 支持向量机 卷积神经网络 可解释性 人工智能 光学相干层析成像 生成对抗网络 模式识别(心理学) 精确性和召回率 分类器(UML) 深度学习 机器学习 医学 眼科
作者
Xuqian Wang,Yu Gu
出处
期刊:Measurement Science and Technology [IOP Publishing]
卷期号:33 (6): 065702-065702 被引量:3
标识
DOI:10.1088/1361-6501/ac5876
摘要

Abstract Macular abnormalities are the main reason for central vision loss, especially in elderly people. Due to global population aging, a heavy burden will be placed on the health care system. Therefore, it is urgent and necessary to develop an automatic and intelligent tool to identify macular abnormalities. Optical coherence tomography is a non-invasive rapid imaging technique to diagnose macular abnormalities. We propose a lightweight convolutional neural network–support vector machine (CNN-SVM) framework consisting of a novel lightweight CNN backbone and an SVM classifier for the accurate detection of macular abnormalities. The CNN-SVM framework achieves excellent performance based on various metrics (precision, recall, F1-score, and accuracy) with an accuracy of 99.8% and demonstrates strong interpretability using heatmap visualization, outperforming several state-of-the-art models (Joint-Attention Network, OpticNet, MobileNet-V3, DenseNet-169, ResNet-50, lesion-aware CNN, Atten-ResNet, least-squares generative adversarial network and others). The proposed CNN-SVM framework is a feasible and reliable tool for the classification of macular abnormalities and shows potential for diagnostic ophthalmology in clinical practice.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
bkagyin的应助被应万言采纳,获得10
1秒前
1秒前
苏苏828完成签到,获得积分10
1秒前
不真完成签到,获得积分10
2秒前
寒冷紫青的应助被Fun_112采纳,获得30
2秒前
GXL发布了新的文献求助10
2秒前
2秒前
2秒前
Jerry发布了新的文献求助10
2秒前
FashionBoy的应助被qqqqqqqqqq采纳,获得10
3秒前
3秒前
你好发布了新的文献求助10
3秒前
Maria完成签到 ,获得积分10
3秒前
小蘑菇的应助被乐爱来采纳,获得10
3秒前
4秒前
粗犷的海冬完成签到,获得积分10
4秒前
4秒前
6秒前
6秒前
TirionFecup完成签到,获得积分10
6秒前
苏苏828发布了新的文献求助10
6秒前
ll完成签到,获得积分10
6秒前
斯文败类的应助被zenghong采纳,获得10
7秒前
hw完成签到,获得积分10
7秒前
7秒前
hexy629发布了新的文献求助10
7秒前
yyds的应助被Fun_112采纳,获得30
7秒前
lu完成签到 ,获得积分10
7秒前
seet完成签到 ,获得积分10
8秒前
8秒前
zhang完成签到,获得积分10
8秒前
苦瓜发布了新的文献求助30
8秒前
8秒前
小马甲的应助被小祝没吃饱采纳,获得10
9秒前
打打的应助被sasakiki采纳,获得10
10秒前
10秒前
喜悦南风发布了新的文献求助20
11秒前
llllll发布了新的文献求助10
11秒前
12秒前
rjx发布了新的文献求助20
12秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 2000
Handbook of Sport Coaching Research 1000
Orthognathic Surgery - 2 Volume Set 500
高分子基功能界面水蒸发材料与应用研究 500
外场增强的水汽发电研究 500
基于结构调控的功能化水诱导发电材料与器件研究 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8194174
求助须知:如何正确求助?哪些是违规求助? 9580103
关于积分的说明 21869209
捐赠科研通 7793764
什么是DOI,文献DOI怎么找? 3437545
关于科研通互助平台的介绍 2560983
邀请新用户注册赠送积分活动 2484291