使用深度学习和基于自适应梯度值的级联策略,自动测量中央血清性胆色素变异病变的高度
Jianguo Xu1, Fen Zhou2, Jianxin Shen1
1College of Mechanical & Electrical Engineering, Nanjing University of Aeronautics &Astronautics, 210016, Nanjing, PR China.
Computers in biology and medicine
|May 31, 2024
概括
精确的中央血清性胆色素变异 (CSCR) 病变高度量化得到了新的AI方法的改进. 这些技术提高了CSCR的诊断准确性和治疗评估,克服了手工测量的局限性.
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:
- 精确量化中央血清性胆色素病变 (CSCR) 病变高度对于诊断和治疗疗效至关重要.
- 目前使用光学连贯断层扫描 (OCT) 的手动测量B扫描图像的可复制性差,经验依赖.
研究的目的:
- 开发新的计算方案,以准确测量CSCR损伤高度.
- 克服手动测量的局限性,提高CSCR评估的可靠性.
主要方法:
- 方案I:集体学习整合多个模型,用于初始关键点本地化.
- 方案II:自适应梯度值 (AGT) 技术与深度学习级联策略相结合,用于精确的关键点调整.
- 利用1152个CSCR样本的数据集进行定量和定性实验.
主要成果:
- 两种开发的方案都在确定高度测量的关键点方面表现出卓越的表现.
- 级联策略显著减少了对深度学习模型的广泛训练数据的需求.
- 实验证实了AGT在精确的关键点定位方面的可行性和有效性.
结论:
- 拟议的方案,特别是级联策略,比传统的CSCR损伤高度量化方法提供了显著的改进.
- 这些进展为眼科医生在全面分析和管理CSCR方面提供了宝贵的工具.


