深度学习用于预测近视的严重程度分类方法
WangMeiYu Xing1,2, XiaoNa Li1,2, JingShu Ni2
1College of Biomedical Engineering, Anhui Medical University, Hefei, 230011, China.
Biomedical engineering online
|July 9, 2025
概括
一个新的深度学习模型,X-ENet,使用增强的 fundus 图像准确地分类近视严重程度. 这种高效的方法通过结合深度可分离和动态卷积来改善视力障碍查,以精确地提取特征.
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:
- 近视是全球视力障碍的主要原因之一.
- 目前的近视查方法需要提高效率和准确性.
研究的目的:
- 开发和评估X-ENet,这是一个深度学习模型,用于对近视严重程度进行分类.
- 通过先进的图像分析,提高近视查的效率和准确性.
主要方法:
- 底图像进行了预处理和增强,以改善特征提取.
- 使用深度可分离和动态卷积的X-Net被训练用于近视严重程度的分类.
- 为了模型的可解释性,使用了Grad-CAM,并为可用性开发了GUI.
主要成果:
- 拟议的X-ENet模型实现了高性能指标:0.9104准确度,0.8154精度,0.8177回忆,0.8147F1得分和0.9376特异性.
- 该模型展示了用于近视分类的底部图像有效的特征提取.
结论:
- 在近视严重程度分类方面,X-ENet显著优于传统的深度学习模型.
- 该模型在视力障碍查中的实际应用中显示出强大的有效性和可靠性.
