OcuMDNet:一种轻量级的CNN,用于强大的多病视网膜诊断,具有跨数据集可靠性
Qianjie Yang1, Vijay Govindarajan2, Qiyuan Li1
1Ningbo Key Laboratory of Medical Research on Blinding Eye Diseases, Ningbo Eye Hospital, Ningbo Eye Institute, Wenzhou Medical University, Ningbo, 315040, China.
Experimental eye research
|September 20, 2025
概括
一个轻量级的人工智能模型OcuMDNet准确地从 fundus 图像中分类多种视网膜疾病. 它在数据集中显示出强烈的概括性,使其有效用于大规模选.
科学领域:
- 眼科和医学成像人工智能AI
背景情况:
- 准确,高效的AI用于从 fundus图像进行多视网膜疾病分类,对于早期检测和治疗至关重要.
- 现有的模型经常在跨数据集的概括和计算效率方面扎.
研究的目的:
- 开发OcuMDNet,一个紧的卷积神经网络 (CNN) 用于使用 fundus图像对多种视网膜疾病进行分类.
- 在严格的标签一致协议下评估OcuMDNet的跨数据集概括性能.
主要方法:
- 开发了OcuMDNet,这是一个轻量级的CNN,具有批量正常化和停机.
- 采用标准化的预处理管道,包括CLAHE和每个道的规范化.
- 在综合和疾病特定数据集中使用了标签一致的评估协议,包括糖尿病视网膜病变 (DR) 的交叉数据集转移.
主要成果:
- 在综合和特定疾病的基准指标上,OcuMDNet表现强.
- 为DR分类实现了强大的跨数据集通用化.
- 该模型具有计算效率,适合大规模选应用.
结论:
- OcuMDNet为多种疾病的基底分析提供了准确和有效的基准.
- 标签一致的协议确保了跨数据集可靠性的透明评估.
- 开发的模型和协议支持可重现的视网膜疾病分类研究.
