基于变压器的自主监督学习像素和频域特征用于OCTA图像上的DMI分级

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:

• 糖尿病黄斑缺血 (DMI) 是糖尿病视网膜病变的严重并发症,威胁视力.
• 光学连贯断层扫描血管造影 (OCTA) 是非侵入性DMI诊断的一个关键工具.
• 在获得标记OCTA数据集以进行DMI分级方面存在挑战.

研究的目的:

• 开发一个自主监督的学习框架,用于使用OCTA图像进行DMI评分.
• 为了利用像素和频域特征进行增强的DMI分析.
• 提高DMI进展诊断的准确性和效率.

主要方法:

• 一个自我监督的学习框架,使用像素级和全局波器变压器.
• 通过对比的借口任务从OCTA图像中提取聚合特征.
• 根据三个不同的视网膜疾病基准值进行验证.

主要成果:

• 拟议的框架在现有最先进的方法上表现出优越的性能.
• 该系统在识别DMI损伤区域方面表现出显著的能力.
• 这种方法对DMI的临床诊断援助具有前景.

结论:

• 自主监督学习为DMI评分提供了一个可行的解决方案,使用有限的标记数据进行评分.
• 该框架有效地利用OCTA成像进行准确的DMI评估.
• 这项技术有可能支持眼科医生诊断和管理DMI.