ViT-HHO:优化视力变压器用于糖尿病视网膜病变的检测,使用哈里斯·霍克优化
Vishal Awasthi1, Namita Awasthi2, Hemant Kumar3
1Department of Electronics & Communication Engineering, School of Engineering & Technology (UIET), Chhatrapati Shahu Ji Maharaj University, Kanpur, India.
MethodsX
|November 11, 2024
概括
这项研究引入了一个优化的视觉变换器 (ViT) 模型,使用哈里斯霍克优化 (HHO) 进行准确的糖尿病视网膜病变 (DR) 检测. ViT-HHO模型显著改善了自动化DR查,在临床环境中提供了高精度和可靠性.
科学领域:
- 眼科医生 眼科 眼科
- 计算机科学 计算机科学
- 人工智能的人工智能
背景情况:
- 糖尿病视网膜病变 (DR) 是全球视力损失的主要原因.
- 早期和准确的DR检测对于预防严重视力障碍至关重要.
- 目前的自动检测方法需要进一步优化临床可靠性.
研究的目的:
- 开发一个优化的视觉转换器 (ViT) 模型,与哈里斯霍克优化 (HHO) 集成,用于增强糖尿病视网膜病变 (DR) 的自动检测.
- 在基准数据集上评估拟议的ViT-HHO模型的性能和概括能力.
主要方法:
- 利用视觉转换器 (ViT) 架构,使用自我注意机制从视网膜图像中提取特征.
- 雇佣了哈里斯·霍克优化 (HHO) 来微调ViT模型的关键超参数.
- 在APTOS-2019和IDRiD数据集上验证了ViT-HHO模型用于绩效评估.
主要成果:
- 在APTOS-2019数据集上,ViT-HHO模型实现了高精度 (99.83%),灵敏度 (99.78%),特异性 (99.85%) 和AUC-ROC (99.80%).
- 在IDRiD数据集上表现出强大的泛化,准确率为99.11%和AUC-ROC为99.12%.
- 在DR检测方面表现优于传统的卷积神经网络 (CNN) 和其他优化技术.
结论:
- 优化的ViT-HHO模型为糖尿病视网膜病变 (DR) 的自动临床检测提供了一个高度精确和可靠的方法.
- 该模型的卓越性能和通用化能力突显了其在显著提高DR查协议方面的潜力.
- 这项研究强调了将先进的AI架构与医疗图像分析的元启发性优化相结合的有效性.


