CRA-Net:用于糖尿病视网膜病变分级的变压器引导类别关系注意力网络
1School of Electronic Engineering, Heilongjiang University, Harbin 150080, China.
Computers in biology and medicine
|January 26, 2024
概括
这项研究介绍了CRA-Net,这是一种用于自动化糖尿病视网膜病变 (DR) 评分的新型深度学习模型. CRA-Net有效地解决了DR图像中的类不平衡和损伤关系,提高了诊断准确度.
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 (DR) 的自动分级对于早期诊断和预防视力丧失至关重要.
- 由于阶级不平衡和复杂的损伤相互关系,DR数据集存在挑战.
- 现有的模型往往忽略了不同病变对DR严重性的不同贡献.
研究的目的:
- 开发一种先进的深度学习模型,用于准确的自动化糖尿病视网膜病变分级.
- 解决DR图像分析中阶级不平衡和损伤关系信息的挑战.
- 提高自动化DR检测系统的临床实用性.
主要方法:
- 设计了一个以变压器为导向的类别关系注意网络 (CRA-Net).
- 为了减轻阶级不平衡问题,引入了一种新的类别注意力阻塞.
- 开发了一个损伤关系注意力块,结合了囊和空间注意力,以捕捉损伤的相互依赖性.
主要成果:
- 在处理阶级不平衡和损伤关系方面,CRA-Net表现出有效性.
- 该模型在DDR和APTOS 2019数据集上实现了竞争性性能.
- 废除研究证实了拟议的注意力机制的有效性.
结论:
- CRA-Net为准确的自动化糖尿病视网膜病变分级提供了一个有前途的方法.
- 该模型利用类别和病变关系信息的能力提高了诊断性能.
- 这项工作有助于人工智能驱动的眼科诊断工具的发展.
