相关实验视频
Updated: Jun 26, 2026

09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
21.6K
使用深度学习识别糖尿病视网膜病变和黄斑
Fathe Jeribi1, Tahira Nazir2, Marriam Nawaz3
1College of Engineering and Computer Science, Jazan University, 45142, Jazan, Saudi Arabia.
Medical & biological engineering & computing
|April 29, 2024
概括
糖尿病视网膜病变和糖尿病黄斑的查得到了改进,通过一个新的改进的角落网络与DenseNet-100系统. 这种人工智能方法可以准确检测眼部病变,帮助早期诊断和预防失明.
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) 和糖尿病黄斑 (DME) 是导致糖尿病相关失明的主要原因.
- 手动查DR和DME是劳动密集的,昂贵的,并受到专家可用性限制.
研究的目的:
- 开发一个用于定位和分类DR和DME病变的自动化系统.
- 为了提高糖尿病眼病查的效率和准确性.
主要方法:
- 采用了与DenseNet-100集成的修改后的CornNet架构,用于特征提取.
- 该模型被训练在注释的视网膜图像上,专注于精确的病变定位.
- 在不同的数据集 (EyePACS,IDRiD) 和跨体验证 (APTOS-2019,Diaretdb1) 上评估了性能.
主要成果:
- 与最先进的方法相比,拟议的系统表现出卓越的性能.
- 在定性和定量评估中实现了高准确性.
- 成功地局部化了小异常,并缓解了过拟合的挑战.
结论:
- 修改后的角网络与DenseNet-100提供了一个强大的解决方案,用于自动化DR和DME检测.
- 这种AI框架可以显著帮助临床医生及时诊断糖尿病眼睛疾病.
- 增强早期检测能力,可能减少失明的发生率.

