自我注意下一篇:探索精神分裂症的光学连贯性断层扫描图像检测调查

科学领域:

• 眼科和神经科学 眼科和神经科学
• 医疗保健中的人工智能
• 生物医学成像分析分析

背景情况:

• 光学连贯断层扫描 (OCT) 提供高分辨率,非侵入性视网膜成像.
• 视网膜层的改变可能表明精神疾病如精神分裂症 (SZ) 中的中枢神经系统变化.

研究的目的:

• 开发一个先进的深度学习模型来分类OCT图像.
• 使用视网膜生物标志物,将精神分裂患者与健康对照区分开来.

主要方法:

• 一个新的卷积神经网络,Self-AttentionNeXt,被设计为集成的自我注意力和残留块.
• 该模型在定制的SZ OCT数据和公共的OCT2017数据集上进行了训练和验证.

主要成果:

• Self-AttentionNeXt在定制的SZ数据集上达到97.0%的准确性,在OCT2017数据集上达到95%以上的准确性.
• 梯度加权类激活映射证实了对临床相关的视网膜区域的关注.

结论:

• 通过OCT,Self-AttentionNeXt有效地整合了注意力机制和CNN,用于通过OCT进行早期精神分裂症检测.
• 这种由人工智能驱动的方法对精神病诊断和临床决策支持有希望.