基于视力转换器和修改的囊网络的糖尿病视网膜病变预测
Mohammed Oulhadj1, Jamal Riffi1, Chaimae Khodriss2
1LISAC Laboratory, Department of Informatics, Faculty of Sciences Dhar El Mahraz, Sidi Mohamed Ben Abdellah University, Fez, Morocco.
Computers in biology and medicine
|May 3, 2024
概括
一个新的混合深度学习模型准确地预测了糖尿病视网膜病变的严重程度. 这种自动化方法有助于早期检测,有可能预防糖尿病患者的失明.
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:
- 糖尿病视网膜病变是工作年龄成人失明的主要原因.
- 早期检测和准确的严重程度分级对于视力保护至关重要.
- 眼科医生的手动诊断是耗时的,需要大量的专业知识.
研究的目的:
- 开发一种用于糖尿病视网膜病变严重程度预测的自动化混合深度学习方法.
- 为了提高糖尿病视网膜病变诊断的效率和准确性.
主要方法:
- 提出了一种混合深度学习模型,结合了微调的视觉变压器和修改后的囊网络.
- 实施了先进的计算机视觉技术:功率定律转换和对比度限制的适应性直方图平衡,用于预处理.
- 在四个不同的数据集上评估模型:APTOS,Messidor-2,DDR和EyePACS.
主要成果:
- 在所有数据集中实现了高测试准确度得分:88.18% (APTOS),87.78% (Messidor-2),80.36% (DDR) 和78.64% (EyePACS).
- 与现有最先进的方法相比,表现出优越的性能.
- 混合模型有效地预测了糖尿病视网膜病变的严重程度.
结论:
- 拟议的混合深度学习方法为糖尿病视网膜病变严重程度预测提供了一个有希望的自动化解决方案.
- 这种方法可以显著帮助眼科医生在早期检测和管理,潜在地减少失明.
- 这种方法显示出在糖尿病眼睛护理中临床应用的巨大潜力.
