混合CNN-Mamba模型用于多尺度的 fundus 图像增强
Xiaopeng Wang1, Di Gong2, Yi Chen2
1Academy of Artificial Intelligence, Beijing Institute of Petrochemical Technology, Beijing 102617, China.
Biomedical optics express
|March 20, 2025
概括
一种新的多尺度方法使用卷积神经网络 (CNN) 和Mamba.提升基底图像. 这种方法显著提高了图像质量和诊断准确性,特别是在高分辨率视网膜图像中.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 眼底图像质量对于诊断眼睛疾病至关重要.
- 现有的增强方法与多个尺度的特征和高分辨率作斗争.
- 深度学习模型为高级图像增强提供了潜力.
研究的目的:
- 开发和评估一个多尺度的基金图像增强方法.
- 将卷积神经网络 (CNN) 与Mamba相结合,以提高性能.
- 评估模型在各种分辨率的有效性及其对诊断任务的影响.
主要方法:
- 提出了一个新的多尺度架构,集成CNN和Mamba.
- 该模型在公共基金图像数据集上进行了训练和评估.
- 使用FID,KID,PSNR,SSIM,VSD和IOU等指标量化业绩.
- 评估包括对不同图像分辨率的评估,包括1024x1024.
主要成果:
- 拟议的CNN-Mamba模型在现有基准测试中表现出优越的性能.
- 获得了最低的FID和KID分数,最高的PSNR和SSIM值.
- 性能随着图像分辨率的提高而不断提高,达到1024x1024.
- 在细分任务中观察到优秀的结构保存和高的VSD/IOU得分.
结论:
- 多个尺度的CNN-Mamba方法对 fundus 图像增强非常有效.
- 该模型表现出极好的规模通用性和结构保存.
- 这种技术为改善眼科诊断准确度提供了有价值的工具.
