Apr, 2023

基于眼动追踪引导的深度多实例学习和双交叉注意力技术用于眼底疾病检测

PDF
TL;DR本研究提出一种基于眼动数据的人机交互 CAD 系统，通过多实例学习和双交叉注意力网络等技术，开发了一个基于医疗先验知识的初期疾病诊断模型。实验表明该方法在 AMD 和早期 DR 检测方法中具有较强的可行性和优越性能。
deep neural networkscomputer aided diagnosisfundus diseaseshuman-in-the-loop systemmultiple instance learning
发现论文，激发创造
  • 评估一个深度学习系统，用于联合自动检测糖尿病视网膜病变和年龄相关性黄斑变性

    验证了一种商用的深度学习系统在混合眼部疾病的彩色眼底图像中同时检测糖尿病视网膜病变和年龄相关性黄斑变性的性能，结果表明该系统表现与人类专家相当，可以成为眼科专家的快速可靠支持。

    Mar, 2019

  • AMDNet23：一种结合基于轮廓的卷积神经网络和长短期记忆系统的诊断老年性黄斑变性方法

    基于自动化框架的疾病检测辅助医生对眼科疾病的诊断，通过自适应对比度增强和 Gamma 校正提高眼底图像的质量，使用深度学习的 AMDNet23 系统结合卷积神经网络和短期与长期记忆自动检测老年性黄斑变性疾病。研究收集了来自多个来源的数据集，经过质量评估后应用于实验，结果表明该混合深度模型对 AMD 眼底疾病的检测具有优越性能。

    Aug, 2023

  • 基于跨尺度注意力引导的多实例学习在克隆病病理图像诊断中的应用

    本文提出了一种新的跨度注意机制来聚合具有不同分辨率的图像中的特征，并生成不同分辨率的可视化结果来定位并解释可解释的损伤模式，该方法在 Crohn 病这种炎症性肠病的诊断中取得了优异的成果。

    Aug, 2022

  • 利用凝视进行对比学习以促进计算机辅助诊断

    通过眼动追踪作为替代文本报告的方法，我们可以 passively 收集放射科医师在阅读和诊断医学图像时的视觉关注和临床推理，从而在医学图像领域中改善对比度预训练的有效性。我们提出了医学对比度视线图像预训练（McGIP）作为对比度学习框架的即插即用模块，通过放射科医师的注视来指导对比度预训练，实验结果表明了 McGIP 的实用性，显示其在各种临床场景和应用中具有很高的潜力。

    Dec, 2023

  • 基于双重注意力增强的 DenseNet-121 模型用于青光眼的眼底图像分类

    利用关注增强的 DenseNet-121 模型对眼底图像进行正常和青光眼眼睛的分类，实验结果显示了该方法相对于先进的模型的优越性。

    Jun, 2024

  • 使用卷积神经网络和随机视图聚集提高计算机辅助检测

    本研究设计了一个分层级联的计算机辅助检测系统用于医学影像，包括候选区域的生成和基于卷积神经网络的分类方法，成功提高了三种癌症（骨转移、淋巴结和结直肠息肉）的 CAD 检测性能，并综合展示了该方法在各种医学影像 CAD 检测中的应用前景。

    May, 2015

  • 将眼动数据整合到胸部 X 线 DL 方法中：初步研究

    本文提出了一种新颖的多模态 DL 结构，结合医学图像和眼动数据用于检测胸部 X 射线异常，结果表明将眼动数据直接应用于 DL 结构并不能表现出优越的预测性能，在 DL 结构中应用人类生成的数据，比如眼动数据，需要更全面深入的研究。

    Feb, 2023

  • 距离感知自注意力深度多实例学习

    提出了一种新的多实例学习（MIL）模型，使用距离感知自注意力（DAS-MIL）来考虑图像中不同补丁之间的相对空间关系，以提高医学图像分析的精度。通过在 MNIST-based MIL 数据集和公开的癌症转移检测数据集 CAMELYON16 上评估我们的模型，证明了该模型超越了现有的多数 MIL 方法。

    May, 2023

  • 基于深度引起的显著性对比网络的阿尔茨海默病诊断：通过视觉刺激和眼动的联合分析

    早期诊断阿尔茨海默病对于随后的医疗治疗非常重要，而眼球在特殊视觉刺激下的运动可能作为一种潜在的非侵入性生物标志物用于检测阿尔茨海默病患者的认知异常。我们提出了一种基于深度感应显著性对比网络 (DISCN) 的眼球运动分析方法，该方法可用于阿尔茨海默病的诊断。在 DISCN 中，显著注意模块使用分层显著注意机制 (SAA) 将正常眼球运动与视觉刺激的 RGB 和深度图像融合，以评估综合感兴趣图，该图像包含了来自视觉刺激和正常眼球运动行为的信息。此外，我们引入了串行注意模块 (SEA)，以强调最异常的眼球运动行为，以减少个人偏见，得到更加稳健的结果。根据我们的实验，DISCN 在分类阿尔茨海默病患者和正常对照组之间的眼球运动方面具有一致的有效性。

    Mar, 2024

  • 眼部疾病智能识别基准测试：一镜到底的多病检测

    本研究通过建立包含 8 种常见眼疾的数据集，使用深度神经网络进行多疾病分类的实验，发现提高网络规模不能为多疾病分类带来好结果，需要采用良好结构的特征融合方法。

    Feb, 2021