相关实验视频
Updated: May 5, 2026
09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
21.4K
通过排泄物和出血细分的糖尿病视网膜病变检测,使用代的NICK值,分水和Chi2功能排名
Patsaphon Chandhakanond1, Pakinee Aimmanee2
1Department of Information Computer and Communication Technology, Sirindhorn International Institute of Technology, Thammasat University, 131 Moo 5, Tivanont Rd, Bangkadi, Meung, 12000, Patumthani, Thailand.
Scientific reports
|February 14, 2025
概括
这项研究引入了先进的计算方法来检测糖尿病视网膜病变 (DR),通过在 fundus 图像中对液和出血进行细分. 开发的算法显著提高了检测准确度,超过了早期DR查的现有方法.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 计算技术 计算技术
背景情况:
- 糖尿病视网膜病变 (DR) 影响三分之一的糖尿病患者,导致视力丧失.
- 早期检测和干预对于管理DR和减少医疗保健负担至关重要.
- 自动化系统可以增强DR查和管理.
研究的目的:
- 开发和评估用于检测和细分 fundus 图像中的排泄物和出血的计算技术.
- 改进自动化糖尿病视网膜病变查系统.
- 将新算法的性能与传统和最先进的方法进行比较.
主要方法:
- 使用代NICK值增长区域 (INRG) 方法作为基础.
- 集成的流域分离算法 (WS) 和Chi2功能选择用于增强细分.
- 结合算法与扩展功能集,以改善排泄物和出血检测.
主要成果:
- 对于出血细分,INRG-WS获得了最高的F测量 (64.76%).
- INRG-WS-Chi2在排泄物细分方面表现出卓越的性能.
- 在INRG-HSV的血液检测准确度达到90.27%,低FNR为9.39%.
- INRG-WS-HSV在液检测方面实现了88.14%的准确性,其低FNR为8.75%.
- 最好的模型表现优于DR检测的最先进方法,达到89.89%的准确性和3.66%的FNR.
结论:
- 提出的计算方法,特别是INRG-WS和INRG-WS-Chi,显著提高了DR指标的细分和检测.
- 这些先进的算法有望改善自动化糖尿病视网膜病变查系统.
- 该研究强调了将INRG与WS结合起来,以及为准确的DR检测进行特征选择的潜力.
