Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关实验视频

MSTNet:用于糖尿病视网膜病变分类的多级空间意识变压器,具有多实例学习.

Xin Wei1, Yanbei Liu2, Fang Zhang2

  • 1School of Control Science and Engineering, Tiangong University, Tianjin 300387, China.

Medical image analysis
|February 28, 2025
PubMed
概括
此摘要是机器生成的。

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

Safety, effectiveness and treatment patterns of sodium zirconium cyclosilicate for hyperkalemia management in China: actualize study.

Frontiers in pharmacology·2026
Same author

Dapagliflozin regulates autophagy in nephropathy associated with non-diabetic obesity via elevated plasma β-hydroxybutyrate levels.

The Biochemical journal·2026
Same author

High-fidelity single-frame computational super-resolution using signal-preserving denoising-enabled deconvolution.

Nature communications·2026
Same author

The relationship between HIV infection and depression and their determinants in the MSM population in Eastern China: an analysis based on decision tree modelling and logistic regression.

BMC psychology·2026
Same author

APP ubiquitination by VHL protein is essential for MVB sorting and lysosomal degradation.

Journal of molecular cell biology·2025
Same author

Correction: High-fat diet-induced dyslipidemia drives retinal ECE-1 and ET-1 upregulation.

Frontiers in endocrinology·2025

糖尿病视网膜病变 (DR) 的检测得到了新的AI模型MSTNet的改进. 这种先进的网络更好地分析 fundus 图像中的微妙特征,从而进行更准确的诊断并防止视力丧失.

科学领域:

  • 眼科医生 眼科 眼科
  • 人工智能的人工智能
  • 医疗成像医学成像

背景情况:

  • 糖尿病视网膜病变 (DR) 是全球糖尿病成年人视力丧失的主要原因.
  • 使用 fundus 图像早期检测和治疗 DR 对于预防不可逆转的视力损伤至关重要.
  • 由于数据集的局限性,当前的深度学习模型在DR fundus图像中捕获微妙的损伤相关性和上下文信息方面面临挑战.

研究的目的:

  • 为改善糖尿病视网膜病变的分类提出一个新的多尺度空间感知变压器网络 (MSTNet).
  • 增强模型捕捉本地细节和全球背景在基金图像中的能力.
  • 解决医疗图像的独特特征,例如感兴趣的不那么明显的区域,以便更准确的DR评估.

主要方法:

  • 开发了MSTNet,一个双通道的变压器网络,编码多尺度的图像补丁.
  • 集成了一个空间意识模块 (SAM) 来捕获本地空间信息.
  • 采用多阶段学习 (MIL) 来聚合特征并与微妙的损伤区域相关联.
  • 使用交叉融合分类器进行最终的DR分类.

主要成果:

  • 在四个公共DR数据集 (APTOS2019,RFMiD2020,Messidor,IDRiD) 上,MSTNet表现出卓越的诊断和分级准确性.
关键词:
糖尿病视网膜病变 - 糖尿病视网膜病变多实例学习是指多实例的学习.多尺度的核聚变技术空间感知模块是一个空间感知模块.变压器网络的变压器网络.

相关实验视频

  • 与现有方法相比,实现了高达2.0% (ACC) 和1.2% (F1分数) 的精度改进.
  • 突出了该模型在准确评估糖尿病视网膜病变的 fundus 图像方面的有效性.

    • 结论:

    • MSTNet在自动检测和分级糖尿病视网膜病变方面取得了重大进展.
    • 拟议的架构有效地处理医疗图像中的多尺度特征和空间背景.
    • 在预防因糖尿病视网膜病变导致的视力损失方面,MSTNet显示出临床应用的前景.