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

Secure Enhancement for MQTT Protocol Using Distributed Machine Learning Framework.

Sensors (Basel, Switzerland)·2024
查看所有相关文章

相关实验视频

Updated: Jul 6, 2025

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications
03:31

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications

Published on: December 15, 2023

557

微动脉瘤检测使用优化的残留时间注意力 卷积神经网络与 Inception-V3 转移学习

Nouf Saeed Alotaibi1

  • 1Department of Computer Science, Shaqra University, Shaqra, Saudi Arabia.

Microscopy research and technique
|January 3, 2024
PubMed
概括
此摘要是机器生成的。

这项研究引入了一种新的方法来检测微动脉瘤,使用一种名为MA-RTCNN-Inception V3-EOA的专用卷积神经网络 (CNN),在分类这些关键指标方面实现更高的准确性和更低的错误率.

关键词:
组合调整的值方法.平衡优化算法 平衡优化算法导向盒子过器 导向盒子过器微动脉瘤检测检测微动脉瘤检测基于残留的时间注意力卷积神经网络与Inception V3

更多相关视频

Automated Midline Shift and Intracranial Pressure Estimation based on Brain CT Images
14:08

Automated Midline Shift and Intracranial Pressure Estimation based on Brain CT Images

Published on: April 13, 2013

42.6K
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

相关实验视频

Last Updated: Jul 6, 2025

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications
03:31

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications

Published on: December 15, 2023

557
Automated Midline Shift and Intracranial Pressure Estimation based on Brain CT Images
14:08

Automated Midline Shift and Intracranial Pressure Estimation based on Brain CT Images

Published on: April 13, 2013

42.6K
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

科学领域:

  • 医学成像分析 医学成像分析
  • 医疗保健中的人工智能
  • 眼科 诊断 诊断 眼科 诊断

背景情况:

  • 微动脉瘤是糖尿病视网膜病变的早期指标,需要准确的检测方法.
  • 现有的微动脉瘤检测深度学习方法在准确性和错误率方面存在局限性.
  • 自动检测系统对于及时诊断和管理糖尿病视网膜病变至关重要.

研究的目的:

  • 为微动脉瘤检测提出和评估一个先进的深度学习框架.
  • 提高识别微动脉瘤的准确性和降低分类错误率.
  • 将拟议方法的性能与现有的最先进技术进行比较.

主要方法:

  • 一个新的微动脉瘤检测框架 (MA-RTCNN-Inception V3-EOA) 集成基于剩余的时间注意力卷积神经网络 (CNN) 与Inception-V3转移学习,通过平衡优化算法 (EOA) 优化.
  • 使用引导框过进行图像预处理,以增强对比度和排除背景.
  • 细分和分类阶段使用拟议的RTCNN算法来准确识别疾病.

主要成果:

  • 与DRD-CNN-NPDR (23.56%更高) 和MAFPN-AMD-MAFP-Net (14.99%更高) 相比,提出的MA-RTCNN-Inception V3-EOA方法的准确性明显更高.
  • 实现了对分类错误率的大幅降低:比DRD-CNN-NPDR低31.26%,比MAFPN-AMD-MAFP-Net低57.69%.
  • 该框架在各种评估指标上表现强,包括精度,灵敏度,f-测量,特异性和马修斯相关系数,并通过RoC分析进一步验证.

结论:

  • 拟议的MA-RTCNN-Inception V3-EOA框架为微动脉瘤检测提供了一个高度有效和准确的解决方案.
  • 这种先进的深度学习方法明显优于现有方法,为改善糖尿病视网膜病变的早期诊断铺平了道路.
  • 时间注意力CNN,转移学习和优化算法的集成为眼科医学图像分析提供了强大的工具.