从结膜和膜图像中检测非侵入性贫血,使用视觉变换器和注意力图解释性视觉变换器
Oscar Ramos-Soto1, Jorge Ramos-Frutos2,3, Ezequiel Perez-Zarate4
1Depto. de Ingeniería Electro-fotónica, Universidad de Guadalajara, Guadalajara, Jalisco, 44430, México.
Scientific reports
|December 19, 2025
概括
这项研究引入了一种非侵入性方法,用于使用眼睛图像检测缺铁性贫血. 一个视觉变压器模型实现了98.47%的准确性,为传统血液检测提供了一个有希望的替代方案.
科学领域:
- 医学诊断 医学诊断 医学诊断
- 眼科医生 眼科 眼科
- 医疗保健中的人工智能
背景情况:
- 缺铁性贫血是一种普遍的健康问题.
- 目前的诊断方法,如血红蛋白测量,是侵入性的.
- 视觉线索,如结膜和膜白,可以表明贫血.
研究的目的:
- 开发一种非侵入性贫血检测方法,使用结膜-结膜图像.
- 为了评估视力转换器 (ViT) 模型对贫血分类的有效性.
- 为了实现模型透明度,将可解释性技术纳入.
主要方法:
- 使用了膜结膜图像来检测贫血.
- 采用视觉转换器 (ViT) 模型与转移学习.
- 实施了可解释性技术,以可视化模型决策.
主要成果:
- 实现了高整体准确性为98.47%的贫血分类.
- 证明了ViT模型能够专注于相关的图像特征的能力.
- 将ViT性能与其他机器学习和深度学习算法进行比较.
结论:
- ViT模型提供了一个非常准确和非侵入性的方法来检测贫血.
- 可解释性分析为模型的诊断过程提供了洞察力.
- 这种方法显示出减少对侵入性贫血诊断程序的依赖的潜力.
