相关实验视频
Updated: May 13, 2026
09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
22.2K
雅特曼巴:整合双重注意力和视觉曼巴用于糖尿病视网膜病变分级
Yanfei Guo1, Chenglong Yang2, Zhenhua Zhang3
1College of Computer Science and Engineering, Qufu Normal University, Rizhao, 276827, China. guo_1992_fei@163.com.
Journal of imaging informatics in medicine
|December 15, 2025
概括
一个新的AI框架,AttMamba,通过提高训练效率和小病变特征提取来增强糖尿病视网膜病变 (DR) 的自动分级. 这有助于早期诊断和及时治疗,以预防失明.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 糖尿病视网膜病变 (DR) 是全球导致失明的主要原因.
- 早期查和诊断对于预防视力丧失至关重要.
- 由于病变的变化和现有模型的局限性,精确的DR分级具有挑战性.
研究的目的:
- 为有效和准确的糖尿病视网膜病变的自动分级提出AttMamba框架.
- 为了增强小病变特征和DR等级之间的微妙差异的提取.
- 提高DR分级模型的培训效率和计算速度.
主要方法:
- 关注机制与状态空间模型 (AttMamba) 的整合.
- 集成一个高效的2D扫描模块与VMamba进行加速计算.
- 利用挤压和激发和全球上下文模块用于区域本地化和注意力特征提取.
主要成果:
- 在四个数据集上,AttMamba 实现了 0.832,0.789,0.756 和 0.889 的精度.
- 与VMamba相比,观察到7.4%至17.2%的显著精度改善.
- 该模型在学习细粒度差异方面表现出有效性,用于精确的DR分级.
结论:
- 该AttMamba框架为自动糖尿病视网膜病变分级提供了一个有效的解决方案.
- 拟议的模型增强了早期诊断,并促进了及时的治疗决策.
- 阿特曼巴在缓解视力恶化和预防DR.Mamba引起的失明方面表现有前途.
