文献阅读（37）——使用深度卷积神经网络的增强型糖网检测和分类的方法

使用深度卷积神经网络的增强型糖网检测和分类的方法

An enhanced diabetic retinopathy detection and classification approach using deep convolutional neural network

IF = 5.102/Q2

先验知识/知识拓展

文章结构

• 摘要
• introduction
• 数据和方法
• 应用和性能评估
• 结论

文章结果

眼底图像经过传统方法增强后，使用一个简短的深度卷积神经网络对糖网进行分类。其中使用的传统的图像增强方法是HE和CLAHE

方法

文中提到对于眼底照经常使用的增强方式是：HE和CLAHE(附一篇blog)

• HE：直方均衡化算法
  
• CLAHE：限制对比度自适应直方图均衡算法
  

1. 预处理

• resize
• 将图像的三个通道分割
• 使用HE分别对三个通道增强
• 使用CLAHE分别对三个通道增强
  

2. HE

HE对于具有广泛分布的色调区域的图像非常有用，以便可以观察到具有非常浅的背景和黑暗的前景的图像。由于HE拉伸了局部区域的对比度，我们可以找出图像中隐藏的细节，从而可以观察到所处理区域内的差异

3.CNN网络用于分类

CNN模型类似于中所周知的多层感知器网络，CNN通过在相邻层节点之间应用局部连接模型，利用与相对连接的局部关联。

• 使用了一个八层的卷积神经网络进行分类。输入层，卷积层，ReLU，normalize层，max pooling层，全连接层， softmax 层, 和输出 layer（这种说法是错误的，在文章不足中说）.

总结

1. 文章优点

• 文章背景部分写的篇幅很长，在看introduction部分，感觉更像是一篇review。但是不得不说作者前期做了很多文献调研，在workflow部分，也阐述了自己的文献调研部分，一般除了meta分析和review很少见这样的写作方式。背景部分写的详细更容易让读者理解，但是篇幅过于冗长，看起来有些枯燥。

2. 文章不足

• 作者在method部分值介绍了CNN的优势，并没有写具体网络是怎么设计的，找了好久，最后在验证部分看到了网络结构的设计。自己感觉这种写作方式逻辑不清晰，很混乱。在性能验证部分写网络结构以及参数选择，让人容易混乱（个人感觉）
• 医学类文章存在的共性问题，医学方面的人不懂计算机，计算机方面的人不了解医学上的需要。笔者认为网络中的所有层数就是网络的层，但实际是只算shape改变的层数。

可借鉴点/学习点？

• 整体比较完整，有消融实验，分别在原来直接resize后的分类，增加HE后的分类结果和增加CLAHE的效果做对比。
• 预处理部分使用传统方法进行图像增强其实也是一个思路，不止只将眼光放在现在最新的方法上，有的时候传统方法或许会有更好的效果。