损伤意识注意网络用于糖尿病病诊断,使用光学连贯性断层扫描图像
Yuliang Liu1,2, Fenghang Zhang1,2, Xizhan Gao1,2
1School of Information Science and Engineering, University of Jinan, Jinan, China.
Frontiers in medicine
|November 15, 2023
概括
使用视网膜图像的深度学习算法可以选糖尿病病的高风险患者. 这种人工智能模型通过专注于视网膜的关键特征来增强早期检测,提高诊断准确度.
科学领域:
- 眼科医生 眼科 眼科
- 腎臟病學 (nephrology) 是一種醫學專業.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 糖尿病病 (DN) 是糖尿病的一个主要并发症,通常是晚发现的.
- 在糖尿病患者中早期查DN对于及时干预至关重要.
- 视网膜成像提供了一个非侵入性窗口来检测与DN相关的微血管变化.
研究的目的:
- 开发和验证一种深度学习算法,用于在糖尿病患者中早期查糖尿病病 (DN).
- 利用视网膜图像来识别患有DN的高风险个体.
- 通过先进的AI技术提高DN选的准确性和效率.
主要方法:
- 开发了一个包含注意力机制的深度学习模型.
- 使用Grad-CAM算法生成注意力图,引导模型专注于视网膜OCT图像中的易受损伤区域.
- 一个区域引导的注意模块被整合到CNN架构中.
- 该模型在66名糖尿病视网膜病变和糖尿病病症患者的OCT体积数据上进行了训练和测试.
主要成果:
- 病变意识注意网络在疾病分类方面取得了高绩效.
- 准确率: 91.68% 准确率: 91.68% 准确率: 91.68% 准确率: 91.68% 准确率: 91.68%
- 灵敏度: 89.99% 的灵敏度.
- 具体性: 92.18% 具体性: 92.18% 具体性: 92.18% 具体性: 92.18% 具体性: 92.18%
结论:
- 拟议的深度学习模型在查高风险糖尿病病患者方面显示出可靠的性能.
- 注意力机制增强模型在视网膜图像中识别相关病理特征的能力.
- 这种由人工智能驱动的方法对糖尿病病的早期和准确检测充满了希望.
