DCT-Net:一种有效的方法来通过B扫描超声波图像诊断视网膜撕裂
Ke Li1, Qiaolin Zhu2, Jianzhang Wu3,2
1The First Affiliated Hospital of Wenzhou Medical University, Wenzhou 325035, China.
Mathematical biosciences and engineering : MBE
|February 2, 2024
概括
一个新的深度学习模型,DCT-Net,通过超声波图像准确诊断视网膜撕裂 (RTs). 这种人工智能工具为眼科医生提供了一个有希望的,可解释的解决方案,提高了诊断速度和精度.
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:
- 视网膜撕裂 (RTs) 诊断依赖于B扫描超声波,但手动解释可能会产生错误.
- 准确和快速的RT诊断至关重要,特别是在复杂的眼睛疾病中.
研究的目的:
- 引入DCT-Net,这是一个新的混合深度学习模型,用于自动和精确的RT诊断.
- 评估模型在识别视网膜撕裂方面的性能和可解释性.
主要方法:
- 开发了一种混合深度学习模型 (DCT-Net),使用视觉变压器骨干和残余可变形卷积.
- 集成的规范化和软max层用于分类.
- 通过使用注意力图来评估模型的解释性.
主要成果:
- 在私人数据集上实现了高性能:97.78%的准确性,97.34%的精度,97.13%的回忆率和0.9682的F1得分.
- 在公开数据集上显示了83.82%的准确性,灵敏度为82.69%和特异性为82.40%.
结论:
- DCT-Net为RT诊断提供了一个高效,准确和可解释的框架.
- 该模型显示出作为临床环境中的眼科医生可靠工具的巨大潜力.
