WaveAttention-ResNet:基于深度学习的智能诊断模型,用于多种视网膜疾病的辅助诊断
Biao Guo1, Daqing Wang1, Ruiqi Zhang2
1Netchina Huaxin Technology Co., Ltd, Taiyuan, Shanxi, China.
Frontiers in radiology
|August 13, 2025
概括
一个新的AI算法WaveAttention ResNet (WARN) 准确地分类了七种常见的视网膜疾病. 这种深度学习方法显示了人工智能辅助眼科诊断的巨大潜力.
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:
- 视网膜疾病对全球眼睛健康构成重大挑战.
- 准确和及时的诊断对于有效的治疗和管理至关重要.
- 当前的诊断方法可能耗时,需要专门的专业知识.
研究的目的:
- 开发和评估一个深度学习算法来分类七种常见的视网膜疾病.
- 评估AI辅助诊断在眼科中的可行性.
- 将拟议的算法的性能与现有的深度学习模型进行比较.
主要方法:
- 构建了一个新的深度学习算法,WaveAttention ResNet (WARN).
- 警告集成ResNet18与注意力和波形卷积模块.
- 该算法在公共OCTDL数据集和山西眼科医院的数据上进行了训练和验证.
主要成果:
- 在OCTDL数据集上,WARN实现了高精度 (90.68%) 和F1得分 (91.29%).
- 该算法在真实世界的临床数据上表现出强的性能,准确率为89.18%.
- 废弃实验和显著性测试证实了WARN的有效性和效率.
结论:
- 警告算法是有效和可行的,用于分类常见的视网膜疾病.
- 人工智能技术,以WARN为例,具有在眼科中辅助医学诊断的巨大潜力.
- 警告为提高视网膜疾病分类的准确性和效率提供了一个有前途的工具.
