Jul, 2023

UWAT-GAN：超广角多尺度生成对抗网络用于眼底荧光血管造影合成

PDF
TL;DR本文提出了一种新颖的条件生成对抗网络（UWAT-GAN），用于从 UWF-SLO 中合成 UWF-FA，通过使用多尺度生成器和融合模块来更好地提取全局和局部信息，我们的模型能够生成高分辨率图像，并且提出了一种注意传输模块来帮助解码器进行有效学习。实验结果表明，UWAT-GAN 优于现有的方法。源代码可以在此 URL 获得。
发现论文，激发创造
  • UWAFA-GAN：多尺度生成与注册增强的超广角荧光血管造影转化

    通过使用多尺度生成器和注重传递模块的新型有条件生成对抗网络 (UWAFA-GAN)，从 UWF-SLO 合成 UWF-FA，该方法在诊断可靠性方面与真实图像相媲美。

    May, 2024

  • VTGAN: 使用视觉 Transformer 的半监督性视网膜图像生成和疾病预测

    本文提出了一种新的条件生成对抗网络（GAN），能够同时从眼底照片中合成荧光素血管造影图像，并预测视网膜退化，从而解决了以非侵 asive 的方式对眼底血管成像以及预测视网膜异常的问题。

    Apr, 2021

  • 镜下超广角病房视网膜成像研究中的自动伪影检测 —— 以镰状细胞贫血患者为例

    本研究开发了一种基于神经网络的自动化算法，识别常见的超广角眼底照相术图像伪影，具有潜在的用于提高疾病检测质量和效率的应用价值。

    Jul, 2023

  • 利用 UWF-CFP 和 OCTA 图像的深度多模态融合改进自动糖尿病性视网膜病变严重程度分类

    通过结合超广角彩色眼底照相和光学相干断层扫描血管造影成像技术，该研究提出了一种新的多模态方法，显著增强了糖尿病视网膜病变的分类性能，有望帮助更准确地早期检测糖尿病视网膜病变，改善患者的临床预后。

    Oct, 2023

  • 使用深度学习在超广角眼底图像中检测多种视网膜疾病：数据驱动相关区域识别

    我们使用全局可解释性方法建立了一个多疾病的深度学习模型来检测超广角成像中的视网膜疾病，发现在这些图像中最重要的区域是后极区域，只利用后极区域周围 10% 的图像即可实现与使用整个图像相当的性能。

    Mar, 2022

  • 基于超广角眼底图像的无源主动领域自适应糖尿病视网膜病变分级

    本研究提出了一种新颖的无源主动域适应方法 (SFADA)，通过生成具有不断演化的 DR 关系特征的彩色眼底图像，通过局部表示匹配主动选择一些有价值的 UWF 眼底图像进行标注，并利用 DR 病变原型在 UWF 眼底图像上进行模型适应。实验结果表明，与基准方法相比，我们提出的 SFADA 在 DR 分级性能上达到了最先进的水平，准确率提高了 20.9%，加权 kappa 系数提高了 18.63%，分别达到了 85.36% 和 92.38%。这些研究结果显示了我们方法在实际临床实践中的潜力。

    Sep, 2023

  • 频率感知的逆一致性 GAN 通过非配对光学相干断层扫描血管造影图像超分辨率

    利用频率信息的 GAN-based 非配对超分辨率方法用于 OCTA 图像，通过双通道生成器特别强调高频细胞由此，实验显示我们的方法在定量和视觉上均优于其他最先进的非配对方法。

    Sep, 2023

  • 太空健康改革（斯威 - FSR）：提升视神经轴突损伤视觉评估技术中的眼底图像超分辨率

    通过 Swing Transformer 和空间和深度关注的 Swing-FSR 模型，本文介绍了一种新的眼底图像超分辨率模型，可在 iChallenge-AMD、iChallenge-PM、G1020 等公共数据集上实现较高的峰值信噪比，并在由 NASA 提供的 SANS 私人数据集上得到可比较的结果。

    Aug, 2023

  • 利用多模态融合提升超广角 OCTA 多种视网膜疾病的诊断能力

    该研究介绍了一种新型的超广角光学相干断层扫描血流成像技术（UW-OCTA），并提出了一种跨模态融合框架，可以利用多模态信息诊断多种疾病。通过构建 M3OCTA 数据集，该方法在固定和可变模态设置下证明了其有效性和卓越性能，旨在推动眼科图像分析领域的研究。

    Nov, 2023

  • 基于跨域合作学习的宽视野眼底图像多种眼底疾病识别

    该研究提出了一种基于 Cross-domain Collaborative Learning 的多种视网膜疾病从广视野和超广视野眼底图像中识别的方法，并在多个数据集上与其它基线模型进行比较。

    May, 2023