Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

Integrated Lipidomic and Amino Acid Metabolomic Analyses Reveal Muscle Metabolic Differences in Tibetan Sheep Under Grazing and House-Feeding Systems.

Animals : an open access journal from MDPI·2026
Same author

Value of PD-1 and CD28 expression on T lymphocytes in predicting radiation-induced lung injury: a prospective observational study.

Neoplasma·2026
Same author

End "reusable" waste dumping in Africa.

Science (New York, N.Y.)·2026
Same author

Deep survival learning for prognosis prediction in non-metastatic castration-resistant prostate cancer.

Health informatics journal·2026
Same author

TIM-3-dependent lysosome biogenesis is required for myelin debris clearance in macrophages.

Brain : a journal of neurology·2026
Same author

Insights into the critical processes of methane biogeochemical cycling in inland freshwater ecosystems: a systematic review.

Environmental geochemistry and health·2026

相关实验视频

Updated: Jul 9, 2025

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
04:48

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Published on: July 5, 2024

406

TDCAU-Net:使用基于变压器扩展卷积注意力的U-Net方法进行视网膜血管细分.

Chunyang Li1, Zhigang Li1, Weikang Liu1

  • 1School of Electronics and Information Engineering, University of Science and Technology Liaoning, Anshan, People's Republic of China.

Physics in medicine and biology
|December 5, 2023
PubMed
概括

一个新的变压器扩展卷积注意力U-Net (TDCAU-Net) 改进了用于检测慢性疾病的视网膜血管细分. 这种新的方法提高了细分枝和密集血管的细分精度,优于现有的技术.

科学领域:

  • 医学成像分析分析 医学成像分析
  • 计算机视觉在医疗保健中的应用
  • 眼科诊断 眼科诊断 眼科诊断

背景情况:

  • 视网膜血管细分对于诊断糖尿病视网膜病变和玻璃眼等疾病至关重要.
  • U-Net模型显示出有希望的结果,但在细分和密集的视网膜血管方面存在困难.
  • 准确的细分有助于早期发现和管理疾病.

研究的目的:

  • 引入一种新的TDCAU-Net模型,用于增强视网膜血管细分.
  • 为了提高细分分支和密集血管的细分精度.
  • 根据最先进的方法对拟议的模型进行评估.

主要方法:

  • 开发了一个基于U-Net架构的TDCAU-Net模型,以变压器为基础的扩展卷积注意力.
  • 实施了五步预处理和图像细分管道.
  • 在DRIVE和CHASEDB1眼底图像数据库中训练并测试了模型.

主要成果:

  • 该TDCAU-Net模型在两个数据集上实现了高灵敏度,特异性,准确性和AUC.
  • 在DRIVE数据库中实现了0.8187的灵敏度,0.9756的特异性,0.9556的准确性和0.9795的AUC.
  • 在CHASEDB1数据库中实现了0.8243的灵敏度,0.9836的特异性,0.9738的准确性和0.9878的AUC.
关键词:
注意力模块的注意力模块.深度学习是一种深度学习.视网膜血管细分器的细分变压器的变压器是一个变压器.

更多相关视频

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
04:48

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

Published on: November 30, 2022

2.8K
Deep Learning-Based Segmentation of Cryo-Electron Tomograms
10:25

Deep Learning-Based Segmentation of Cryo-Electron Tomograms

Published on: November 11, 2022

8.8K

相关实验视频

Last Updated: Jul 9, 2025

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
04:48

Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique

Published on: July 5, 2024

406
Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
04:48

Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography

Published on: November 30, 2022

2.8K
Deep Learning-Based Segmentation of Cryo-Electron Tomograms
10:25

Deep Learning-Based Segmentation of Cryo-Electron Tomograms

Published on: November 11, 2022

8.8K

结论:

  • 在视网膜血管细分方面,TDCAU-Net模型显著优于U-Net和其他主流方法.
  • 拟议的方法在细分分支和密集血管的细分方面表现出卓越的性能.
  • TDCAU-Net为视网膜疾病的自动诊断提供了一个有希望的进步.