相关实验视频
Updated: May 8, 2026

13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.0K
多病变细分引导深度注意网络用于自动检测糖尿病视网膜病变
Feng Li1, Xinyu Sheng1, Hao Wei1
1School of Optical-Electrical and Computer Engineering, University of Shanghai for Science andTechnology, Shanghai, 200093, China.
Computers in biology and medicine
|November 6, 2024
概括
一个新的深度注意网络准确地细分糖尿病视网膜病变 (DR) 病变,并对DR的严重程度进行分级. 这种自动化方法有助于早期诊断和治疗DR,改善患者的治疗结果.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 计算机视觉 计算机视觉
背景情况:
- 糖尿病视网膜病变 (DR) 诊断依赖于精确的 fundus 图像分析.
- 损伤细分和分类至关重要,但由于复杂的损伤模式,具有挑战性.
研究的目的:
- 开发一个新的深度关注网络,用于自动化多损伤细分和DR分级.
- 为了提高DR检测的准确性和效率,使用 fundus图像.
主要方法:
- 提出了一个以多重损伤细分为导向的深度注意网络 (MSGDA-Net).
- 整合了病变细分路径与多尺度注意力块 (MSAB) 和病变意识关系块 (LARB).
- 与空间融合块 (SFB) 和增强自我注意块 (ESAB) 集成了一个DR分级路径.
主要成果:
- 在DR损伤细分 (高达49.21% Dice,38.05% IoU) 和DR分级 (高达87.18%准确度) 中实现了最先进的性能.
- 在不同数据集 (DDR,VisionDR,APTOS) 中表现出良好的概括性和稳定性.
结论:
- 通过组合分段和分级,MSGDA-Net提供了准确和自动化的DR检测.
- 拟议的网络显示了作为计算机辅助DR查和诊断的工具的希望.

