基于波形波形的选择和重新校准网络用于在OCT图像中查帕金森病
Jingqi Huang1, Xiaoqing Zhang2, Richu Jin1
1Research Institute of Trustworthy Autonomous Systems and Department of Computer Science and Engineering, Southern University of Science and Technology, Shenzhen, 518055, China.
Computer methods and programs in biomedicine
|August 18, 2024
概括
这项研究介绍了WaveSRNet,这是一种使用视网膜成像检测帕金森病 (PD) 的新型深度学习模型. 该方法有效地识别了用于早期PD查和诊断的微妙视网膜生物标志物.
科学领域:
- 眼科医生 眼科 眼科
- 神经学 神经学
- 人工智能的人工智能
背景情况:
- 帕金森病 (PD) 是一种广泛的神经退行性疾病,需要早期检测.
- 光学相干断层扫描 (OCT) 图像中的视网膜层纹理和厚度变化可以作为PD生物标志物.
- 视网膜层中的微妙的病理表现对PD诊断构成挑战.
研究的目的:
- 为了提高PD病例和健康对照的视网膜层特征分布之间的区别.
- 探索一种新的基于波纹的方法,以使用OCT图像改进PD查.
主要方法:
- 引入一个基于波纹的选择和重新校准模块,与剩余块集成.
- 开发基于Wavelet的选择和重新校准网络 (WaveSRNet),用于自动进行PD查.
- 在每个频段内聚合独特的临床特性,如视网膜层.
主要成果:
- 在临床和公共数据集上,WaveSRNet与最先进的方法相比表现优越.
- 广泛的实验验证了拟议方法的有效性.
- 可视化和消去研究提高了WaveSRNet模型的解释性.
结论:
- 视网膜显示出作为帕金森病评估的非侵入性工具的潜力.
- 在OCT图像中与PD相关的元素包括特定的视网膜层和骨位置.
更多相关视频
07:26Characterizing the Relationship Between Eye Movement Parameters and Cognitive Functions in Non-demented Parkinson's Disease Patients with Eye Tracking
Published on: September 26, 2019
7.8K
14:27Identification of Disease-related Spatial Covariance Patterns using Neuroimaging Data
Published on: June 26, 2013
15.6K