NCME-Net:核白内障口罩编码器网络用于智能分级,使用从前段照片的自我监督学习
Jiani Zhao1, Cheng Wan1, Jiajun Li2
1College of Electronic and Information Engineering /College of Integrated Circuits, Nanjing University of Aeronautics and Astronautics, Nanjing, Jiangsu, 211106, China.
Heliyon
|August 16, 2024
概括
一个新的深度学习模型,核白内障口罩编码器网络 (NCME-Net),通过自主监督预训,有效地对核白内障的严重程度进行分级. 这种方法可以提高诊断的准确性,尤其是在医疗数据有限的情况下.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 白内障是全球失明的主要原因,需要精确的诊断和手术规划.
- 深度学习模型因有限的标记数据和高的类间相似性而难以处理医学图像.
- 自主监督预培训通过降低注释成本和领域差异来解决这些局限性.
研究的目的:
- 为核白内障严重程度开发一个智能分级系统.
- 提出一种新的混合模型,即核白内障口罩编码器网络 (NCME-Net),用于四类核白内障分析.
- 评估医学图像分析自主监督预训的有效性.
主要方法:
- 一种混合型号NCME-Net是使用自主监督预训开发出来的.
- 792张核白内障图像的数据集被用于培训,验证和测试.
- 研究了各种自我监督任务对语义信息提取的影响.
主要成果:
- 在测试组中,NCME-Net实现了91.0%的诊断准确率.
- 这比ResNet50模型有5.0%的改进.
- 自主监督学习中的图像恢复任务显著增强了语义信息提取.
结论:
- 在区分白内障严重程度方面,NCME-Net表现出强的表现,特别是在有限的样本大小下.
- 该模型为智能白内障诊断提供了一个有价值的工具.
- 自主监督预训对于提高医学成像任务中的深度学习模型性能至关重要.
