MAFNet: 糖尿病性網膜症の細粒度分類のための新しい適応型マルチスケールモデル

科学分野:

• 眼科について
• 医療用イメージング
• 人工知能

背景:

• 糖尿病性網膜症 (DR) は,世界的に盲目の主要な原因です.
• 早期発見とDRの正確な分類は,効果的な臨床介入に不可欠です.
• 既存の方法は,複数のスケールの病変の特徴融合と関係モデリングの限界に直面しています.

研究 の 目的:

• 細粒子の糖尿病網膜病変の分類のための新しい適応的多層面の折り畳み神経ネットワークを開発する.
• 現在のDR検出方法の特徴融合と損傷関係モデリングの限界に対処する.

主な方法:

• 提案されたMAFNet (マルチスケール・アダプティブ・ファイナグラインド・ネットワーク) は,3つのコアモジュール:ヒエラルキカル・グローバル・コンテキスト・モジュール (HGCM),マルチスケール・アダプティブ・アテンション・モジュール (MSAM),およびリレーショナル・マルチヘッド・アテンション・モジュール (RMA) を含む.
• HGCMは,微小から大規模の病変特性を用いて,受容領域を拡張します.
• MSAMはダイナミックな特徴の重み付けのために適応的注意を用い,重要な病変の表現を強化します.
• RMAは,細粒子の識別を改善するために,複数のヘッドをモデル機能の関係に並行して使用します.
• 多タスク学習フレームワーク (回帰と分類) を導入し,DRの進行を把握しました.

主要な成果:

• MAFNetはDDRで0. 934,Messidor-2で0. 917,APTOSで0. 936という高二次加重カッパ値を達成しました.
• LANetやMPLNetのような既存の方法よりも 性能が著しく向上した.
• 3つの公開データセットで検証され, 堅実なパフォーマンスを確認しました.

結論:

• MAFNetは 糖尿病性網膜病変の 自動化された分類において 重要な進歩をもたらしています
• マルチスケールの特徴とモデル病変の関係を統合するモデルの能力は,より高い精度をもたらします.
• MAFNetは,糖尿病性網膜症の早期かつ正確な検出に相当な応用価値を示しています.