基于变压器的深度学习算法的开发,用于使用角膜共聚焦显微镜图像进行糖尿病外围神经病变的分类
Wenqu Chen1, Danling Liao1, Yuyang Deng1
1Department of Ophthalmology, Fujian Medical University Union Hospital, Fu Zhou, China.
Frontiers in cell and developmental biology
|October 29, 2024
概括
一个新的基于变压器的深度学习算法 (DLA) 使用角膜共聚焦显微镜 (CCM) 图像准确识别糖尿病外围神经病变 (DPN). 这种人工智能方法对糖尿病患者早期DPN查有希望.
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:
- 糖尿病外围神经病变 (DPN) 是糖尿病的一个常见并发症,往往进展不知不觉.
- 早期发现DPN对于及时干预和管理至关重要,以防止严重并发症.
研究的目的:
- 开发和评估基于变压器的深度学习算法 (DLA),用于分类角膜共聚焦显微镜 (CCM) 图像以识别糖尿病患者的DPN.
- 为了比较基于变压器的DLA与传统卷积神经网络 (CNN) 模型的性能.
主要方法:
- 使用了94名参与者的940张CCM图像的数据集 (57名有DPN,37名没有).
- 一个具有层次架构的Swin变压器网络被用于图像分类.
- 数据集被随机划分为培训,验证和测试集,比例为7:1:2,确保参与者级别的分离.
主要成果:
- 基于变压器的DLA表现出高的诊断准确性,在参与者级别分类中,曲线下的面积 (AUC) 为0.9405,在图像级别分类中为0.8996.
- 该模型在单图像预测中表现优于已建立的CNN架构,如ResNet50,Inception_v3和DenseNet121.
- 使用Grad-CAM可视化技术来解释模型的决策过程.
结论:
- 基于变压器的深度学习算法在CCM图像中快速对DPN进行二进制分类时,与CNN相比显示出更高的性能.
- 开发的DLA在DPN的早期查和诊断中具有重要的临床应用潜力.
更多相关视频
09:37Combining Reflectance Confocal Microscopy with Optical Coherence Tomography for Noninvasive Diagnosis of Skin Cancers via Image Acquisition
Published on: August 18, 2022
2.2K
04:48Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
Published on: November 30, 2022
2.7K
