相关实验视频
Updated: Jul 16, 2026
04:43
Visualizing Visual Adaptation
Published on: April 24, 2017
9.5K
FunOTTA:通过稳定的测试时间培训,在跨域基底图像上进行飞行适应
IEEE transactions on medical imaging
|November 10, 2025
概括
这项研究介绍了Fundus On-the-fly Test-Time Adaptation (FunOTTA),这是一个用于改进深度学习模型的新框架,用于从眼底图像中诊断眼睛疾病. FunOTTA 增强了跨不同成像设备和位置的模型概括性,即使域移动.
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:
- 深度学习模型擅长使用眼底图像来诊断眼睛疾病.
- 从不同成像设备和位置的域移动阻碍了预训练模型在现实世界中部署.
研究的目的:
- 开发一种新的框架,即Fundus On-the-fly Test-Time Adaptation (FunOTTA),用于在各种环境中进行强大的基金图像诊断.
- 提高深度学习模型的概括能力,尽管存在重大领域转移.
主要方法:
- 提出了Fundus飞行测试时间调整 (FunOTTA) 框架.
- 在内存库中实现了动态分歧,以实现稳定的适应.
- 引入了一个新的培训目标,可靠的类条件估计和一致性规范化.
主要成果:
- 与最先进的测试时间适应 (TTA) 管道相比,FunOTTA的表现卓越.
- 在不同的骨干网络中验证了框架及其组件的有效性.
- 在两种眼睛疾病的跨域 fundus 图像基准上实现了强大的概括.
结论:
- FunOTTA有效地将基底图像诊断模型推广到未见的环境中,即使在强烈的域移动下.
- 拟议的稳定适应过程和新的培训目标显著提高了模型性能.
- 该框架为在现实世界的临床环境中部署基于AI的诊断工具提供了一个有希望的解决方案.
更多相关视频
04:48Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
Published on: November 30, 2022
3.3K
07:12Development of a Gaze-Contingent Display Framework Designed for Perceptual and Oculomotor Research with Simulated Central Vision Loss
Published on: April 11, 2025
856
