一个具有多重注意力特征提取的生成对抗神经网络,用于 fundus 损伤细分
Haiying Yuan1, Mengfan Dai2, Cheng Shi2
1Faculty of Information Technology, Beijing University of Technology, No.100 Pingleyuan, Chaoyang District, Beijing, 100124, People's Republic of China. yhycn@126.com.
International ophthalmology
|October 18, 2023
概括
一个新的生成对抗网络准确地在 fundus 图像中对糖尿病视网膜病变进行细分. 这种人工智能方法有助于精确的疾病检测和糖尿病眼病的治疗计划.
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:
- 糖尿病视网膜病变的诊断依赖于 fundus 图像中的细分病变.
- 由于病变的特征,如分散分布和特征相似性,精确的细分是具有挑战性的.
研究的目的:
- 为精确的糖尿病视网膜病变细分开发一个先进的生成对抗网络.
- 改进局部和全球特征的提取,以更好地识别病变.
主要方法:
- 设计了一个包含多注意力特征提取的生成对抗网络.
- 改进的U-Net具有自我注意力和外部注意力机制,用于特征提取.
- 一个基于PatchGAN的歧视性网络提高了细分的准确性.
主要成果:
- 该网络在IDRiD数据集上实现了75.7% (EX),76.53% (SE),50.06% (MA) 和45.89% (HE) 的Dice系数.
- 多重注意力生成对抗网络展示了有效的损伤细分.
结论:
- 提出的生成对抗网络对于在 fundus 图像中对糖尿病视网膜病变进行细分有效.
- 这种人工智能驱动的方法对眼科的临床应用具有前景.
