Sep, 2024

多尺度颜色引导注意力集成分类器用于通过同时眼底和光学相干断层扫描图像诊断年龄相关性黄斑变性

HTML
PDF
TL;DR本研究解决了单一成像模态在年龄相关性黄斑变性（AMD）分类中的局限性，提出了一种基于迁移学习的多模态特征提取的新方法（MCGAEc）。该方法整合了多种颜色空间和注意力机制，有效提取不同尺度的成像信息。实验证明，该方法在分类AMD上具有显著的性能提升，可能对临床诊断产生深远影响。
发现论文，激发创造
  • DeepSeeNet：一种深度学习模型，用于自动分类基于患者色视网膜照片的年龄相关性黄斑变性严重程度

    DeepSeeNet是一种基于深度学习的系统，使用双眼CFP图像来自动分类患者的年龄相关性黄斑变性病情，并通过AREDS简化严重程度评分患者级别，并表现出比视网膜专家更高的分类精度和透明度。

    Nov, 2018

  • 用于年龄相关性黄斑变性分类的多任务深度学习模型

    针对年龄相关黄斑变性（AMD）的深度学习模型通过多任务学习技术，将基于图像的AMD严重程度分级自动分类，并在两个图像数据集上的评估中表现优于当前的最先进模型超过10%。

    Dec, 2018

  • 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

  • 松弛对训练的多模态 AMD 分类双流 CNN

    本研究提出了一种基于多模态输入的卷积神经网络自动分类年龄相关性黄斑变性的方法，并通过Loose Pair训练和类激活映射技术进行了优化，实验证明了该方法在多模态 AMD 分类方面的可行性。

    Jul, 2019

  • 基于眼底增强视网膜疾病感知蒸馏模型的OCT图像视网膜疾病分类

    提出了一种利用非配对的眼底图像增强光学相干断层扫描模型的新方法，用于眼底疾病分类，实验结果证明该方法优于单模态、多模态和最先进的蒸馏方法。

    Aug, 2023

  • 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

  • 高效金字塔通道注意力网络用于病理性近视检测

    我们提出了一个使用注意力模块的有效金字塔通道注意力（EPCA）网络，用于基于眼底图像自动检测病理性近视（PM）。在三个数据集上的实验表明，我们的EPCA-Net在检测PM方面优于现有方法。此外，我们尝试了将预训练的自然图像模型适应为PM检测的方法，并通过与传统的微调方法相比较，在具有较少可调参数的情况下取得了有竞争力的性能。

    Sep, 2023

  • 少即是多: 有限资源下的视网膜疾病识别的集成学习

    本文介绍了一种新的合奏学习机制，旨在识别受限资源（例如数据、计算）下的视网膜疾病，该机制利用了多个预训练模型的见解，有助于将它们的知识转移到视网膜光学相干断层扫描图像中，提供了一种在处理受限标记数据的情况下建立强大模型的方法，并消除了从头开始学习所需的大量参数的需求。在真实世界数据集上进行的全面实验表明，所提出的方法在识别视网膜光学相干断层扫描图像方面可以实现优越性能，即使在处理非常有限的标记数据集时也是如此。此外，这种方法消除了学习大规模参数的必要性，使其非常适合在资源有限的情景中部署。

    Feb, 2024

  • 基于深度学习的OCT图像聚类用于年龄相关性黄斑变性生物标记的发现（Pinnacle研究报告4）

    通过对大规模视网膜光学相干断层扫描图像进行深度学习，我们提出了一种基于对比学习的生物标志物提议系统来加速年龄相关性黄斑变性的生物标志物发现，此系统超越了已建立的临床分级系统所使用的标志物集合，为进一步发现新的预后性生物标志物提供了可能。

    Mar, 2024

  • 多源数据融合的自监督学习增强多分类视网膜疾病分类的Multi-OCT-SelfNet

    本研究解决了因隐私问题而导致的大型医学数据集获取难题，从而影响视网膜疾病诊断模型的开发。我们提出了一种结合多源数据的自监督学习框架，通过多模态数据集的深度理解来提高模型的泛化能力，最终在多种条件下展现出优于基线模型ResNet-50的一致性能。

    Sep, 2024