一个可解释的双重注意网络用于糖尿病视网膜病变分级:IDANet
Amit Bhati1, Neha Gour2, Pritee Khanna1
1PDPM Indian Institute of Information Technology, Design and Manufacturing, Jabalpur 482005, India.
Artificial intelligence in medicine
|March 10, 2024
概括
糖尿病视网膜病变分级通过基于注意力的新型深度学习网络得到了改进,该网络可以有效检测小病变. 这种方法增强了糖尿病视网膜病变的早期检测和治疗,这是视力丧失的主要原因.
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) 是全球成年人视力受损的主要原因.
- 常常缺乏早期症状,导致治疗延迟和不可逆转的视力丧失.
- 精确的DR分级是很困难的,因为微妙和多样化的病变模式,特别是小的.
研究的目的:
- 开发一个先进的深度学习模型,用于精确的糖尿病视网膜病变分级.
- 为了增强检测小,关键的病变的迹象,DR.
- 为了提高细粒度DR分级的分类性能.
主要方法:
- 提出了一个新的双向空间和通道智能并行注意网络 (IDANet).
- 注意区块被集成到一个骨干网络中,以提取歧视性特征.
- 用LIME生成的激活地图来评估病变可视化的模型解释性.
主要成果:
- 拟议的IDANet在四个基准数据集的DR分级方面表现出卓越的性能.
- 该网络有效地改善了小规模DR病变的检测.
- 在分类和病变检测任务中,IDANet的性能超过了现有的最先进的方法.
结论:
- IDANet在自动化糖尿病视网膜病变分级方面取得了重大进展.
- 注意力机制对于识别微妙的病变和提高诊断准确度至关重要.
- 这种方法有望更早,更有效地治疗糖尿病视网膜病变.
