fundus images | BriefGPT - AI 论文速递

关键词fundus images

搜索结果 - 17

LMBF-Net: 一种用于多特征分割的轻量级多路径双向焦点注意力网络
本研究提出了一种用于多特征分割的多路径卷积神经网络，该网络轻量且对信息敏感。通过基于图像块的实现提取局部图像特征，并在编码器和解码器之间引入焦点调制注意力块以改善分割效果。使用滤波器优化来防止滤波器重叠并加速模型收敛。通过卷积操作和组卷积操
PDF3 days ago
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。
PDF15 days ago
大型基础模型在诊断中数据集质量依然令人关注吗？
使用预训练的大型基础模型（LFM）和自我监督学习框架为视网膜图像开发了一个 LFM，该模型在多个数据集上对视网膜疾病的诊断表现出良好的性能；此外，研究发现 LFM 对于数据集质量问题（包括图像质量和数据集偏差）表现出更强的韧性，而整体微调是
PDF2 months ago
视网膜病变分割的跨数据集泛化
通过对多个数据集进行对比研究，本文提出了使用随机权重平均、模型融合和集成等技术来提高模型泛化性能，并揭示了如何将粗粒度标记数据与细粒度数据集相结合以改善病变分割的洞见。
PDF2 months ago
使用预训练深度学习模型分类糖尿病视网膜病变
该研究提出了一种基于卷积神经网络和预训练深度学习模型的计算机辅助诊断系统，用于自动将视网膜图像分类为正常、轻度、中度、重度和增殖性糖尿病视网膜病变。实验结果表明，CNN、MobileNet、VGG-16、InceptionV3 和 Ince
PDF3 months ago
PoCo: 基于极坐标变换的渐进对比度学习的自监督方法
通过基于极坐标转换的渐进对比学习的自监督方法，我们提出了一种用于眼科疾病诊断的自动方法。实验结果表明，我们的方法在三个公共眼科疾病数据集上达到了最先进的性能，具有良好的泛化能力，验证了我们的方法可以减少注释工作并提供可靠的诊断。
PDF3 months ago
ReSynthDetect: 一种具有重建和合成特征的眼底异常检测网络
使用无监督方法检测眼底图像中的异常情况是一项具有挑战性的任务，由于正常和异常组织之间的相似性以及它们模糊的边界。当前的方法在准确检测细微异常和避免误报方面存在局限性。为了解决这些挑战，我们提出了 ReSynthDetect 网络，该网络利用
PDF6 months ago
透明的严重程度排名：由成对的 n 隐藏比较推断的青光眼病例研究
利用视网膜图像构建了一个评估和解释青光眼严重性的框架，通过成对隐含比较进行衡量，并且提高了诊断准确性。
PDF7 months ago
HyMNet：一种基于眼底照片和心脏代谢风险因素的高血压分类的多模态深度学习系统
通过融合眼底图像、年龄和性别，采用深度学习技术开发了一种多模态深度学习系统 HyMNet，用于提高高血压检测的准确性。该系统结合了眼底图像和心血管代谢风险因素，通过 DenseNet-201 架构和全连接神经网络进行联合训练，并取得了相比单
PDF9 months ago
基于深度学习框架的眼 Toxoplasmosis 自动诊断基准测试：分类和分割的综合方法
本研究创建了基准研究，评估使用迁移学习技术的预训练网络检测眼底图像中 OT 感染的有效性，并分析了基于迁移学习的分割网络在图像中分割病变的性能，旨在为未来的研究人员提供指导，开发一种便宜、自动化、易于使用和准确的诊断方法。MobileNet
PDFa year ago
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。
PDFa year ago
面向眼底图像的区域和空间感知异常检测
本文提出一种基于 ReSAD（Region and Spatial Aware Anomaly Detection）的方法，以检测眼底图像中的异常，利用本地区域和长距离的空间信息来降低正常结构中的误报率，该方法在两个公开基准数据集上显着优于
PDFa year ago
使用 Transformer 进行多标签视网膜疾病分类
该研究提出了一种新颖的多标签分类系统，用于检测来自各种来源的眼底图像中的多种视网膜疾病，并构建了一个新的多标签眼底疾病数据集（MuReD 数据集），并使用基于 transformer 的模型进行图像分析和决策制定，实验结果显示该系统较同类方
PDF2 years ago
基于深度学习的眼底图像应用综述
该综述论文介绍了 143 篇深度学习在眼底图像方面的应用研究以及 33 个公开数据集，并对每个任务进行了总结和分析，并揭示了所有任务的共同局限性并提出了可能的解决方案。
PDF3 years ago
基于边界和熵驱动的对抗学习在眼底图像分割中的应用
本文提出了一种无监督域自适应框架（称为边界和熵驱动的对抗学习（BEAL）），通过对抗性学习来改进靶域的光盘和杯分割性能，特别是在模糊边界区域。结果表明，我们的方法优于现有的无监督域适应方法。
PDF5 years ago
基于注意力的青光眼检测：一个大规模数据库和 CNN 模型
本研究提出了一种基于注意力机制的卷积神经网络 (AG-CNN) 用于青光眼检测，其包括一个注意预测子网，一个病理区域定位子网和一个青光眼分类子网，并且通过与现有的青光眼检测方法的比较显示出了明显的优越性。
PDF5 years ago
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。
PDF5 years ago