[适应性损伤感知融合网络,用于联合分类多种 fundus 疾病]
1School of Automation Science and Engineering, South China University of Technology, Guangzhou 510641, P. R. China.
概括
一个新的AI网络ALFNet改善了糖尿病视网膜病变 (DR) 和糖尿病黄斑 (DME) 的关节分级. 这种方法提高了对这些视力威胁的疾病的诊断准确性.
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:
- 糖尿病视网膜病变 (DR) 和糖尿病黄斑 (DME) 是导致视力丧失的主要原因.
- 这些情况是病理相关的,需要综合的诊断方法.
研究的目的:
- 开发一个先进的深度学习模型,同时对DR和DME进行分级.
- 提高临床实践中的诊断准确性和效率.
主要方法:
- 提出了适应性损伤意识融合网络 (ALFNet),使用DenseNet-121作为骨干.
- 整合了一个自适应性损伤注意模块 (ALAM) 来捕获明显的损伤特征.
- 实现了深度功能融合模块 (DFFM) 和四分支复合损失函数,用于多任务学习.
主要成果:
- 在梅西多尔数据集上,ALFNet表现出卓越的联合分级性能.
- 对于DR 2和DME 3.实现了0.868的联合准确率.
- 在联合DR和DME等级方面表现优于现有的最先进方法.
结论:
- 拟议的ALFNet有效地捕捉了疾病间的相关性,以改善联合分类.
- 在DR和DME管理中的临床决策中,ALFNet在效率和准确性方面提供了显著的优势.
