新网:用于视网膜疾病诊断和定位的新型深度学习模型
Valeria Sorgente1, Simona Correra1, Ilenia Verrillo1
1Department of Medicine and Health Sciences "Vincenzo Tiberio", University of Molise, 86100 Campobasso, Italy.
Sensors (Basel, Switzerland)
|October 16, 2025
概括
这项研究介绍了NeoNet,这是一个可解释的深度学习模型,用于早期检测与年龄相关的黄斑退化和糖尿病视网膜病变,达到99.5%的准确性. 该模型识别了关键的图像区域,有助于精确诊断视网膜疾病.
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:
- 视网膜疾病是全球视力障碍的主要原因之一.
- 早期检测对于有效治疗和预防视力丧失至关重要.
研究的目的:
- 开发一种可解释的深度学习方法,用于识别和定位视网膜疾病.
- 专门针对与年龄相关的黄斑退化,糖尿病视网膜病变和胸腔新血管化.
主要方法:
- 使用了七个微调的卷积神经网络 (MobileNet,LeNet,StandardCNN,CustomCNN,DenseNet,Inception,EfficientNet) 进行了微调.
- 开发了一个新的架构,NeoNet,专门用于视网膜疾病检测.
- 实施可解释的AI技术来突出模型预测的关键图像区域.
主要成果:
- 新网实现了99.5%的诊断准确率.
- 该模型成功地在视网膜图像中识别了病态特征.
- 可解释性方法确定了影响诊断决策的图像区域.
结论:
- 拟议的NeoNet模型在检测多种视网膜疾病方面具有很高的准确性.
- 可解释的人工智能通过揭示决策过程来增强诊断支持.
- 这种方法有助于更早,更准确地诊断危及视力的视网膜疾病.
