Dec, 2023

可调节的高度近视筛查光相干断层扫描仪

PDF
TL;DR本研究提出了一种名为 ARTran 的模型，用于高度近视的光学相干断层扫描（OCT）数据的筛查。通过引入可调整的类别嵌入（ACE）和移动子空间转换矩阵（SST），该模型能够适应不同条件下的筛查，并提供了不确定性评估的证据。实验证明了该方法的有效性和可靠性。
发现论文，激发创造
  • 基于空间感知 Transformer-GRU 框架的增强型青光眼诊断从 3D OCT 成像

    提出了一种新颖的深度学习框架，基于 3D 光学相干断层扫描（OCT）成像进行自动青光眼检测，取得了优于现有方法的表现，为提高临床决策支持系统和改善青光眼管理患者预后提供了重要潜力。

    Mar, 2024

  • 通过时域深度学习对青少年近视进行预测

    使用时间感知的长短期记忆网络，通过历史记录来定量预测成年人的球面等效度，从而更好地识别近视的进展。

    Sep, 2022

  • 用深度学习网络来纠正 3D OCT 视网膜图像中的轴向和冠状眼动

    提出基于深度学习的神经网络来校正 OCT 图像中的运动伪影，并在实验中表明该方法可以有效地校正运动伪影，恢复视网膜的整体曲率，并能够推广到各种疾病和分辨率。

    May, 2023

  • 基于深度先验的通用灵活光学像差校正

    本文提出了一种 PSF 感知的即插即用深度网络，通过引入特定镜头的深度先验知识，以消除光学像差，从而实现了通用和灵活的光学像差校正方法，该方法具有高效的性能。

    Apr, 2021

  • 基于视觉转换器的彩色底片对光明眼：青光眼筛查

    利用视觉变换器的 Brighteye 方法进行青光眼检测，其中光盘检测提高了对青光眼检测的敏感性和对青光性特征分类的准确性。

    May, 2024

  • 使用正交切向正则化的多任务 AET 进行暗物体检测

    提出了一种新型的多任务自动编码转换模型 (MAET)，探索了物理噪声模型和图像信号处理方面的实用技术，能够在暗环境中增强物体检测的能力，并在多任务预测方面表现出色。

    May, 2022

  • UT-Net: 结合 U-Net 和 Transformer 进行联合视盘和杯分割及青光眼检测

    本文提出了一种新的分割方法 UT-Net，结合了 U-Net 和 transformer，采用注意力机制，提高了对视网膜图像中视盘和视杯的分割准确度，并在三个数据集上验证了其优越性。

    Mar, 2023

  • 基于多尺度时空变换的不平衡纵向学习，用于从不规则时间序列图像预测青光眼

    青光眼预测的研究引入了基于变压器架构的多尺度时空变换网络 (MST-former)，针对时序图像输入进行了特定设计，可以在时空维度上有效地学习图像的语义信息；在不规则采样数据方面，引入了时间距离矩阵来非线性地缩放时间注意力；此外，通过温度控制的平衡 Softmax 交叉熵损失函数解决了类别不平衡问题。实验结果表明，MST-former 方法在青光眼预测方面表现出卓越的优势，AUC 值达到 98.6%；在阿尔茨海默病神经成像倡议 (MRI) 数据集上，对轻度认知损害和阿尔茨海默病的预测准确率为 90.3%，明显优于对比方法。

    Feb, 2024

  • 大规模生产移动终端的计算光学

    本研究提出了一个基于模型的优化框架，用于从加工样本的空间频率响应中构建代理相机，进而为训练基于学习的算法提供光学畸变和随机制造偏差的合成数据对，并利用超扩张全方位动态卷积来纠正制造降解，从而实现全面的计算摄影。

    May, 2023

  • DISCOVER: 光学相干断层扫描血管造影的 2D 多视图总结用于自动糖尿病性视网膜病变诊断

    该研究使用光学相干断层扫描血管造影技术（OCTA）对糖尿病视网膜病变进行自动评估，通过优化的二维摘要和分类流程，提供了比三维分类更好、更易解释的结果。

    Jan, 2024