跳到正文
arXiv · 机器人与计算机视觉· Nishi Kanta Paul, Md Shihabul Islam Shovo, Audrija Chowdhury, Israt Jahan Esha·· 15 天前AI 评分12

DR-LiteNet:一种用于糖尿病视网膜病变分级任务的轻量级可解释混合 CNN 框架

DR-LiteNet: A Lightweight Explainable Hybrid CNN Framework for Imbalanced Diabetic Retinopathy Grading via Adaptive SMOTE Fusion

AI 导读

DR-LiteNet 通过融合 EfficientNetB0 与手工特征分支,在 APTOS 2019 数据集上以 4.69M 参数量实现 88.77% 准确率并优于 ResNet50。该模型利用自适应 SMOTE 处理类别不平衡,结合 Grad CAM 提供临床可解释性,仅需单张 Google Colab T4 GPU 即可运行。项目代码已开源,论文被 iCONEECT 会议接收。

来源:arXiv · 机器人与计算机视觉 · arxiv.org