相关实验视频
Updated: Jul 7, 2026
07:29
Deep Vascular Imaging in the Eye with Flow-Enhanced Ultrasound
Published on: October 4, 2021
2.8K
一个标记眼科超声波数据集与医疗报告生成基于跨模式深度学习的数据集
Jing Wang1, Junyan Fan1, Meng Zhou1
1School of Electrical and Control Engineering, North China University of Technology, Beijing, 100144, China.
Artificial intelligence in medicine
|November 26, 2025
概括
这项研究引入了一个新的眼科数据集,结合了超声波图像,血流数据和临床报告,用于自动化眼病分析. 该资源有助于开发人工智能模型,用于精确的医学图像解释.
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:
- 超声波成像对于眼睛形态评估和疾病诊断至关重要.
- 解读眼科诊断报告通常需要专门的医疗专业知识.
- 需要全面的数据集来实现眼科医学图像和报告的自动分析.
研究的目的:
- 呈现一个独特的,多模式的眼科数据集,用于精确分析和医疗图像及其相关报告的自动探索.
- 促进人工智能模型的开发,以解释眼科诊断信息.
- 为了实现医疗数据的跨模式学习.
主要方法:
- 收集了包括超声波图像,血流信息和眼科医生生成的报告的数据集,来自10,361名患者.
- 数据集包括22,173张图像与自由文本报告,详细介绍了10种常见的眼内疾病发现和解剖位置.
- 每张图像都包含9个血流参数值,描述了三个特定动脉的光谱特征.
- 提出了一个知识融合跨模式网络 (KFCMN) 用于报告生成.
主要成果:
- 该数据集是已知的第一个同时包含超声波图像,血流数据和临床报告的数据集.
- 证明了数据集适合在跨模式医疗数据分析中培训监督模型的适用性.
- 该KFCMN模型显示了基于数据集生成报告的潜力.
结论:
- 呈现的多模式眼科数据集是推动眼科自动化分析和解释的宝贵资源.
- 该数据集支持开发人工智能驱动的诊断工具,可能减少对专业医生解释单独的依赖.
- 这项工作突显了融合跨模式学习在医疗应用中的潜力.
