相关实验视频
Updated: Jul 26, 2026

13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.2K
一种混合方法来诊断糖尿病视网膜病变从 fundus 图像利用深度特征开发糖尿病视网膜病变
Mohammed Arif Iftakher Mahmood1, Nasrin Aktar1, Md Fazlul Kader1
1Department of Electrical and Electronic Engineering, University of Chittagong, Chittagong 4331, Bangladesh.
Heliyon
|October 9, 2023
概括
早期发现糖尿病视网膜病变 (DR) 对于预防失明至关重要. 结合图像处理和深度学习的新混合模型,可以从底部图像中准确地诊断DR,达到96.83%的准确性.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 糖尿病视网膜病变 (DR) 是全球导致失明的主要原因.
- 早期发现和分类DR对于及时干预和维护视力至关重要.
研究的目的:
- 从视网膜底部图像提出一种新的混合模型,用于自动诊断和分类糖尿病视网膜病变.
- 通过图像处理和深度学习的结合,提高DR检测的准确性和效率.
主要方法:
- 这是一种混合方法,集成了形态图像处理和Inception v3深度学习模型.
- 关键步骤包括血管细分,光盘/黄斑定位,异常特征检测 (微动脉瘤,出血,新血管) 和分类.
- 微动脉瘤和出血检测使用动态对比适应性基因图平衡和图像补丁上值.
主要成果:
- 拟议的模型在将DR分为五个阶段的整体准确率达到了96.83%,即健康,轻度非扩散性DR (NPDR),中度NPDR,严重NPDR和扩散性DR (PDR).
- 与现有方法相比,已证明有效性和新性.
结论:
- 混合模型显示了糖尿病视网膜病变的准确和早期诊断的巨大潜力.
- 这种方法为预防DRD引起的失明提供了一个有希望的工具.

