基于深度学习的视网膜血管细分和高血压视网膜病变量化使用异质特征交叉注意力神经网络
Xinghui Liu1,2, Hongwen Tan2, Wu Wang3
1School of Clinical Medicine, Guizhou Medical University, Guiyang, China.
Frontiers in medicine
|June 6, 2024
概括
这项研究引入了一种新的深度学习模型,用于精确的视网膜血管细分,这对于诊断诸如高血压视网膜病变等疾病至关重要. 先进的网络提高了准确性,特别是在质量较低的基金图像中.
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:
- 视网膜血管是检测诸如高血压视网膜病变等疾病的关键生物标志物.
- 手动细分视网膜血管是费力和耗时的.
- 图像质量显著影响自动船只细分的准确性.
研究的目的:
- 开发一个先进的深度学习模型,用于准确的视网膜血管细分.
- 改善高血压视网膜病变的检测和量化.
- 为了应对低于最佳的 fundus 图像质量所带来的挑战.
主要方法:
- 提出了整合卷积神经网络 (CNN) 和变压器网络的异质神经网络.
- 利用交叉注意力机制有效地挖掘远程空间特征.
- 采用深度学习方法来精确细分视网膜血管.
主要成果:
- 拟议的模型在四个公共数据集的船舶细分方面表现出卓越的性能.
- 该网络有效地处理视网膜图像质量的变化.
- 观察到精确量化高血压视网膜病变的显著潜力.
结论:
- 新型异质神经网络为视网膜血管细分提供了强大的解决方案.
- 这种方法提高了高血压视网膜病变的诊断能力.
- 该模型在自动视网膜疾病查中显示出临床应用的前景.
