注意TurkerNeXt:使用OCT图像检测双极性障碍的调查
Sermal Arslan1, Mehmet Kaan Kaya1, Burak Tasci2
1Universal Eye Clinic, 23119 Elazig, Turkey.
Diagnostics (Basel, Switzerland)
|November 24, 2023
概括
一个新的深度学习模型,TurkerNeXt,通过光学连贯断层扫描 (OCT) 图像在检测双相情感障碍方面实现了100%的准确性. 这突出了OCT扫描作为这种情况的潜在生物标志物.
科学领域:
- 眼科医生 眼科 眼科
- 精神病学是一个精神病学.
- 计算机科学 计算机科学
背景情况:
- 深度学习模型,特别是变压器,越来越多地用于计算机视觉.
- 注意力机制增强卷积神经网络 (CNN) 的图像分类.
研究的目的:
- 提出一种新的注意力卷积模型,用于使用光学连贯断层扫描 (OCT) 图像检测双相情绪障碍.
- 开发一种自动化OCT图像检测系统,用于治疗双相情感障碍.
主要方法:
- 一个新的关注CNN,TurkerNeXt被开发出来,灵感来自ConvNeXt和ResNet18架构.
- 该模型结合了类似于Swin变压器的修补操作和快捷操作,以防止消失的梯度.
- 为了研究,一个独特的OCT图像数据集被策划.
主要成果:
- 对于两个不同的OCT图像案例,TurkerNeXt模型在测试和验证组中都实现了100%的准确性.
- 数据集包括987个训练图像和328个测试图像.
结论:
- 一个新的OCT数据集和TurkerNeXt CNN模型已成功开发.
- 土耳其NeXt模型在双相情感障碍检测方面表现出色的分类性能.
- 经过CT图像显示了作为双相情感障碍生物标志物的显著潜力.


