Resumen

La retinopatía diabética (RD) es una complicación de la diabetes que afecta a los ojos y es la principal causa de ceguera en personas jóvenes y de mediana edad. Con el fin de acelerar el diagnóstico de la RD, se ha utilizado una gran cantidad de métodos de aprendizaje profundo para la detección de esta enfermedad, pero no lograron obtener excelentes resultados debido al desequilibrio de los datos de entrenamiento, es decir, la falta de imágenes del fondo de ojo de la RD. Para abordar el problema del desequilibrio de datos, este trabajo propone un método denominado redes adversariales generativas de imágenes de fondo de ojo (RF-GANs), que se basa en una red adversarial generativa, para sintetizar imágenes de fondo de ojo. RF-GANs se compone de dos modelos generativos, RF-GAN1 y RF-GAN2. En primer lugar, RF-GAN1 se emplea para traducir las imágenes de fondo de ojo de la retina del dominio de origen (el dominio de los conjuntos de datos de segmentación semántica) al dominio de destino (el dominio del conjunto de datos EyePACS conectado a Kaggle (EyePACS)). A continuación, entrenamos los modelos de segmentación semántica con las imágenes traducidas, y empleamos los modelos entrenados para extraer las máscaras estructurales y de lesión (en adelante, nos referiremos a ellas como máscaras) de EyePACS. Finalmente, empleamos RF-GAN2 para sintetizar las imágenes del fondo de la retina utilizando las máscaras y las etiquetas de clasificación de RD. Este trabajo verifica la eficacia del método: RF-GAN1 puede reducir la brecha de dominio entre diferentes conjuntos de datos para mejorar el rendimiento de los modelos de segmentación. RF-GAN2 puede sintetizar imágenes realistas del fondo de la retina. Adoptando las imágenes sintetizadas para aumentar los datos, la precisión y el kappa ponderado cuadrático del modelo de clasificación de RD de última generación en el conjunto de pruebas de EyePACS aumentan en un 1,53 y 1,70%, respectivamente.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:imagen del fondo de la retina, rf, falta de dr, clasificación del dr, problema de los datos, conjuntos de datos de segmentación semántica, gan2, gan1, etiqueta de clasificación del dr, datos de entrenamiento desequilibrados
• Keywords:retinal fundus image, rf, lack of dr, art dr grading, problem of data, semantic segmentation datasets, gan2, gan1, dr grading label, unbalanced training data