多分辨率视觉Mamba具有多向选择机制,用于检测视网膜疾病
Qiankun Zuo1,2,3, Zhengkun Shi2, Bo Liu4
1Hubei Key Laboratory of Digital Finance Innovation, Hubei University of Economics, Wuhan, China.
Frontiers in cell and developmental biology
|October 28, 2024
概括
新的多分辨率视觉马巴 (MRVM) 模型准确地从OCT图像中分类视网膜疾病,通过高效地捕捉本地和全球特征,超越现有方法.
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:
- 视网膜疾病影响生活质量,并导致高医疗费用.
- 光学连贯断层扫描 (OCT) 对于诊断视网膜疾病至关重要.
- 目前的深度学习模型如CNN与全球背景作斗争,而变形金刚则面临远程依赖的计算挑战.
研究的目的:
- 引入一种新的深度学习模型,即多分辨率视觉mamba (mrvm),用于增强的oct图像分类.
- 解决现有模型在视网膜图像中捕获本地和全球特征方面的局限性.
- 提高视网膜疾病自动诊断的准确性和效率.
主要方法:
- 该MRVM模型集成了卷积层用于局部特征提取和"视网膜Mamba"组件用于全球依赖性捕获.
- 在视网膜Mamba中采用多向选择机制 (MSM),以增强跨各种方向的特征提取.
- 该模型处理多个规模的全球特征,以提高分类性能.
主要成果:
- 该MRVM模型在区分各种病变的视网膜图像方面取得了卓越的准确性.
- 在两个公共数据集上实现了98.98%和96.21%的整体准确性.
- 与传统的深度学习方法相比,证明了更高的检测准确性.
结论:
- 该MRVM模型提供了一种强大的新方法,用于使用OCT成像准确识别视网膜疾病.
- 这种方法为开发医疗图像辅助诊断中的强大的AI算法提供了新的视角.
- MRVM 模型有可能显著提高眼科诊断能力.
