相关实验视频
Updated: May 13, 2026

09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
21.6K
在糖尿病视网膜病变分级中使用基于PSO的值对视网膜细分的实证分析
Bhuvaneswari Sekar1, Subashini Parthasarathy1
1Department of Computer Science, 72937 Centre for Machine Learning and Intelligence (CMLI), Avinashilingam Institute for Home Science and Higher Education for Women , Coimbatore, India.
Biomedizinische Technik. Biomedical engineering
|January 4, 2025
概括
使用粒子群优化 (PSO) 的新自动值算法通过减少背景像素干扰来提高糖尿病视网膜病变 (DR) 的分级精度. 这种方法提高了早期预防失明的诊断效率.
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) 是导致失明的主要原因,需要早期诊断.
- 深度学习模型有助于DR诊断,但可能受到视网膜图像中的背景像素的阻碍.
- 自动特征提取和分级对于高效的DR检测至关重要.
研究的目的:
- 建议用于视网膜细分的自动值算法,以减轻背景像素的影响.
- 通过深度学习提高糖尿病视网膜病变分级的准确性和效率.
- 使用可解释AI (XAI) 分析视网膜细分的重要性.
主要方法:
- 一个基于粒子优化 (PSO) 的值算法被开发用于视网膜细分.
- 拟议的算法与Otsu,基于直方体的西格玛和值值方法进行了比较.
- 使用ResNet50进行分级准确性评估,使用XAI进行特征重要性分析.
主要成果:
- 基于PSO的视网膜细分方法与非细分方法相比,显著提高了准确性.
- 该模型在IDRiD基金数据集的未见数据上实现了83.70%的实质性准确性.
- 可解释的人工智能证实了细分对模型性能的影响.
结论:
- 拟议的基于PSO的自动值有效地确定了视网膜细分的最佳值.
- 这种方法明显提高了糖尿病视网膜病变分级模型的准确性.
- 该研究强调了准确的视网膜细分对于可靠的DR诊断的重要性.

