retinal diseases | BriefGPT

关键词retinal diseases

搜索结果 - 17

利用无需源数据主动域自适应和一种新的多中心数据集提升 UWF-SLO 血管分割
利用基于补丁的主动领域适应方法改进了超广角扫描激光眼底镜成像中船体分割的准确性，在多个医疗中心的数据上验证了方法的有效性和鲁棒性，并构建了用于交叉中心评估的首个多中心超广角扫描激光眼底镜血管分割数据集。
PDF15 days ago
基于图像级回归的不确定性感知视网膜图像分割
将视网膜图像分割任务视为图像级回归，通过引入 SAUNA 变换和广义的 Jaccard 度量损失训练 U-Net 模型，在 5 个视网膜图像数据集上优于最近发表的方法。
PDFa month 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
一种新的设计的双路径交互融合模块模型，用于增强图像中的视网膜血管结构分割
通过使用 Swin-Res-Net 模型，该论文提出了一种改进视网膜血管分割的方法，提高了对显微血管的定位和分离能力，并在广泛使用的数据集上取得了出色的结果。
PDF4 months ago
3DTINC: 基于时间等变非对比学习的长期 OCT 预测疾病进展模型
提出一种基于非对比学习的新的纵向自监督学习方法 3DTINC，利用特定于 OCT 的数据增强来学习 3D 光学相干断层扫描（OCT）体积的扰动不变特征，实验证明使用这种方法学习到的时间信息对于预测视网膜疾病（如年龄相关性黄斑变性（AMD））
PDF6 months ago
OCTDL：用于基于图像的深度学习方法的光学相干断层扫描数据集
该研究使用光学相干断层扫描（OCT）技术，建立了一个开放数据集（OCTDL），其中包含 1600 多幅高分辨率 OCT 图像，针对疾病组和视网膜病理进行了标记。通过应用深度学习分类技术，对该数据集进行了疾病分类的研究。
PDF7 months ago
人工智能在主要视网膜疾病中的应用综述
通过对过去十年的研究进行系统调查，本文提供了一个关于导致视觉障碍或失明的视网膜疾病的体系化调研，强调了早期检测对有效治疗的重要性。它涵盖了检测视网膜疾病的临床和自动化方法，并基于对现有文献的批判性分析确定了未来的研究方向。这一综合研究以不同
PDF7 months ago
NNMobile-Net：深度学习性视网膜病变研究中卷积神经网络设计的反思
本文旨在提出一种无需重新设计模型的基于 CNN 的深度学习模型 (nn-MobileNet)，用于视网膜疾病的诊断和监测，并证明其在多个任务上取得了优于目前大多数最先进方法的结果，包括糖尿病视网膜病变、眼底多种疾病检测和糖尿病黄斑水肿分类，
PDFa year ago
多分辨率上下文网络和对抗学习在视网膜血管分割中的应用
提出一种名为 MRC-Net 的多分辨率上下文网络，其中采用多尺度特征提取技术以学习语义不同特征之间的上下文依赖性，并使用双向递归学习模型前者 - 后者和后者 - 前者之间的依赖性，在对前景分割进行对抗训练的基础上进行训练，以提高分割网络的
PDFa year ago
双边融合：一种新的多线索融合架构，带有解剖学感知词元用于凹点定位
本文提出了一种基于变压器的新型体系结构 (Bilateral-Fuser)，用于多线索融合，在视网膜和血管分布方面明确包含远程连接和全局特征以实现鲁棒的靶点定位，实验结果表明，该方法在两个公共数据集和一个大规模私人数据集上均取得了最新的研究
PDFa year ago
利用深度学习实现光学相干断层扫描成像 Spectral Bandwidth 的恢复
利用深度学习和超分辨率技术重建失去的特征，以改善眼科临床医生的决策，应对广场视野 OCT 系统降低分辨率的挑战。
PDF2 years 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
ECCVReLaX: 用于自动视网膜层面分类的引导解释的视网膜层面归因
本论文提出了一种新的深度学习框架 ReLaX，用于解释性和准确的视网膜病理分类，通过热图和 OCT 分割模型结合以确定每个视网膜层的重要性，并产生丰富的定性和定量模型解释，该模型结合了在精度和可解释性方面的优势，提高了患者的视网膜疾病诊断水
PDF3 years ago
可解释的深度学习方法在眼科诊断中的定量和定性评估
通过评估 13 种不同的算法可解释性方法，结论为 Taylor 系列展开是在视网膜 OCT 诊断中最合适的方法，并且深度学习模型的解释可以使其更透明，从而有助于临床诊断和医学影像处理。
PDF4 years ago
利用联合注意力网络提高视网膜变性光学相干断层扫描图像的鲁棒性能
本研究提出一种通过疾病特定特征表征作为新颖架构，在监督编码疾病模型和无监督方式生成注意力图之间同时利用视网膜亚空间变形的理解以提高视网膜疾病分类网络精度和鲁棒性。实验结果表明所提出的联合网络可以显著提高视网膜疾病分类网络的准确性和鲁棒性。
PDF4 years ago
ICMLOptic-Net：一种新型卷积神经网络用于诊断光学断层扫描图像中的视网膜疾病
本研究提出一种卷积神经网络架构，能够成功区分不同视网膜层的退化以及其潜在的疾病原因，准确率达到 99.8%，100%。此外，这种架构可以实时预测视网膜疾病，同时表现优于人类诊断医师。
PDF5 years ago
ICML一种新型的混合机器学习模型用于视网膜疾病的自动分类
设计了一个混合模型，结合了支持向量机和深度神经网络，使用一个包含 32 种视网膜疾病类型的新临床视网膜标签库 EyeNet，实现了对视网膜疾病的 89.73% 的自动临床诊断准确率，并且该模型的性能与专业的眼科医生的水平相当。
PDF6 years ago