使用电鱼算法和双线卷积网络优化糖尿病视网膜病变检测
Udayaraju Pamula1, Venkateswararao Pulipati2, G Vijaya Suresh3
1Department of Computer Science and Engineering, School of Engineering and Sciences, SRM University, Amaravati, AP, India.
Scientific reports
|April 24, 2025
概括
这项研究引入了一种先进的机器学习系统,用于早期检测糖尿病视网膜病变 (DR). 这种新的方法使用图像分析和优化的算法准确识别DR,提高诊断效率.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 糖尿病视网膜病变 (DR) 是全球视力丧失的主要原因.
- 目前手动DR诊断是耗时且容易出错的.
- 自动检测系统对于及时干预至关重要.
研究的目的:
- 开发和评估一种新,准确和高效的机器学习系统,用于早期检测糖尿病视网膜病变.
- 改进现有的DR的自动诊断方法.
主要方法:
- 该系统集成了图像预处理,霍普菲尔德神经网络 (HNN) 用于血管细分,以及基于注意力机制的囊网络 (AM-CapsuleNet) 用于特征提取.
- 功能优化使用非洲优化算法 (AVOA) 进行,由双线卷积注意网络 (BCAN) 进行分类.
- 一种混合电动鱼优化算法 (EFAOA) 提高了分类准确性和融合速度.
主要成果:
- 拟议的系统在APTOS 2019数据集上表现出卓越的性能.
- 在检测和分类糖尿病视网膜病变方面取得了高的准确性和效率.
- 优化算法的集成导致了快速的融合和更好的分类结果.
结论:
- 开发的机器学习系统为早期DR检测和分类提供了强大的解决方案.
- 这种自动化方法有潜力通过精确和及时的诊断来提高患者的治疗结果.
- 该研究强调了将先进的人工智能技术整合到医学诊断中的有效性.


