相关实验视频
Updated: Jul 4, 2026
06:52
Reconstruct Human Retinoblastoma In Vitro
Published on: October 11, 2022
使用Resnet重新缩放和支持矢量机 (Resnet-RS-SVM) 诊断视网膜损伤:印度一家医院的案例研究
Santi Kumari Behera1, Rina Mahakud2, Millee Panigrahi3
1Department of Computer Science and Engineering, VSSUT Burla, Burla, 768018, India.
International ophthalmology
|April 13, 2024
概括
一个新的ResNet-RS-SVM模型在多家印度医院中在识别视网膜损伤方面表现出高准确性. 这种计算机辅助诊断方法对早期检测和治疗视网膜疾病充满希望.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 医疗保健中的人工智能
背景情况:
- 准确识别视网膜损伤对于及时进行医疗干预至关重要.
- 计算机辅助诊断 (CAD) 系统为提高诊断准确性和效率提供了潜在的解决方案.
研究的目的:
- 开发和评估用于识别视网膜损伤的计算机辅助诊断 (CAD) 模型.
- 评估模型在来自多个印度眼科医院的不同数据集上的表现.
主要方法:
- 一个修改后的ResNet-101架构 (ResNet-RS) 与一个支持矢量机 (SVM) 分类器被开发,称为ResNet-RS-SVM.
- 该模型使用来自印度四家主要眼科医院的视网膜图像数据进行了训练和验证.
- 用单个医院数据集和组合数据集来评估绩效.
主要成果:
- 该ResNet-RS-SVM模型实现了高诊断准确度,包括99.17% (阿拉文德),98.53% (LV普拉萨德),98.33% (梅丹塔) 和100% (SMCH).
- 当对集体数据集进行评估时,该模型实现了97.19%的整体准确性.
结论:
- 该ResNet-RS-SVM模型有效地准确识别多个印度医院的各种数据集中的视网膜损伤.
- 这种CAD方法代表了检测和管理视网膜疾病的重大进步.
