在复杂的眼睛表面中强大的和可泛化检测硬膜斑点和点,用注意力和Mamba增强的YOLOv5
Hantao Bai1, Zongqing Ma1, Chuxiang Gao1
1Key Laboratory of the Ministry of Education for Optoelectronic Measurement Technology and Instruments, Beijing Information Science and Technology University, Beijing, China.
Journal of biophotonics
|October 28, 2025
概括
这项研究引入了一种先进的AI系统,用于检测结膜斑和色素点,这对于非侵入性疾病诊断至关重要. 改进的物体检测模型在分析复杂的眼睛图像时提供了强大的和可泛化的性能.
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:
- 膜斑点和色素点在非侵入性疾病诊断方面表现有前途.
- 自动检测是具有挑战性的,因为大小,形状和分布在膜图像中的高变化.
研究的目的:
- 开发一个综合系统,结合专业的膜成像和改进的物体检测模型.
- 为了提高在医学图像中检测结膜异常的准确性和稳定性.
主要方法:
- 使用定制的膜成像设备,以获得高质量,无阴影的图像.
- 提出了一种增强的YOLOv5物体检测模型,其中包括CBAM,Mamba块和小头策略.
- 验证了算法在三个不同的脑膜数据集上.
主要成果:
- 综合系统有效地检测到关节的斑点和点.
- 增强的YOLOv5模型在数据集中展示了强大的和可泛化的性能.
- 改进的重点是抑制噪音,扩大受体场,检测小物体.
结论:
- 拟议的综合系统和改进的YOLOv5模型为自动检测膜异常提供了可靠的解决方案.
- 这种方法有很大的潜力通过眼睛成像来推进非侵入性疾病诊断.
