一种新的轻量级深度学习方法,用于同时对光杯和光盘进行细分,用于对青光眼的检测
Yantao Song1,2, Wenjie Zhang1,2, Yue Zhang2
1Institute of Big Data Science and Industry, Shanxi University, Taiyuan 030006, China.
Mathematical biosciences and engineering : MBE
|June 14, 2024
概括
这项研究引入了一种新的轻量级深度学习模型,用于更快,更准确地检测青光眼. 该方法改善了光杯和光盘的细分,这对于诊断这种危及视力的疾病至关重要.
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:
- 玻璃眼是不可逆转的视力丧失的主要原因.
- 准确的光杯 (OC) 和光盘 (OD) 分段对于青光眼的诊断至关重要.
- 现有的细分方法经常受到低准确度或高计算成本的影响.
研究的目的:
- 开发一个轻量级的深度学习架构,用于同时OC和OD细分.
- 为了提高青光眼查的准确性,并减少青光眼查的时间成本.
主要方法:
- 提出了一种新的轻量级深度学习架构.
- 集成的模糊学习和多层感知器来增强细分.
- 专注于同时对光杯和光盘进行细分.
主要成果:
- 与最先进的方法相比,实现了更高的细分精度.
- 显著减少了培训时间.
- 验证了模糊学习和多层感知器集成的有效性.
结论:
- 拟议的轻量级深度学习模型提供了一种高效和准确的解决方案,用于青光眼的检测.
- 这种方法解决了现有方法在速度和精度方面的局限性.
- 这些发现支持在早期青光眼诊断和管理中使用先进的人工智能技术.
