相关实验视频
Updated: May 13, 2026
07:35
A Non-invasive Way to Isolate and Phenotype Cells from the Conjunctiva
Published on: July 5, 2017
10.3K
用户眼中的结膜炎诊断系统和方法
E Umamaheswari1, Kanchana Devi V1, B Sruthakeerthi1
1Center for Cyber-Physical Systems/School of Computer Science and Engineering, School of Advanced Sciences, Vellore Institute of Technology, Chennai, 600127, India.
Heliyon
|September 17, 2024
概括
机器学习使用先进的图像分割来准确诊断结膜炎. UNet++模型显著提高了诊断准确度,达到97.07%,超过了U-net模型.
科学领域:
- 医疗信息学 医疗信息学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 结膜炎是一种常见的眼睛疾病,需要有效的诊断方法.
- 当前的诊断方法可能会从人工智能的进步中受益.
- 自动化系统有可能提高眼病检测的速度和准确性.
研究的目的:
- 研究机器学习模型在结膜炎诊断中的有效性.
- 为了比较UNet++和U-net细分模型在眼睛图像分析中的性能.
- 使用TensorFlow开发一个用于检测结膜炎的自动化系统.
主要方法:
- 使用基于相机的系统进行图像采集.
- 图像预处理和细分技术的应用 (UNet++,U-net).
- 在TensorFlow中使用卷积神经网络 (CNN) 进行特征提取和分类.
- 使用UBIRIS数据集和自定义数据集进行模型评估.
主要成果:
- UNet++模型在图像细分方面表现出卓越的性能,用于结膜炎诊断.
- UNet++的整体准确率达到了97.07%.
- 对比分析显示,UNet++在准确性和性能方面超过了传统的U-net模型.
结论:
- UNet++代表了基于机器学习的结膜炎诊断的重大进步.
- 开发的方法表明,在眼科中具有很高的临床应用潜力.
- 进一步的研究可以探索UNet++在诊断其他眼睛疾病中的更广泛应用.
