一种基于深度学习的方法,用于使用光素染色视频评估正确的正确状态的骨髓镜片
Rong Lu1, Zhiqiang He1, Kai Niu1
1Key Laboratory of Universal Wireless Communications, Beijing University of Posts and Telecommunications, Beijing, 100876, China.
概括
一个新的深度学习工具使用双流ResNet-50和暂时注意力模型准确地评估了ortho-keratology (Ortho-K) 镜片的配合. 这种自动化方法实现了高精度,有助于临床评估.
科学领域:
- 眼科医生 眼科 眼科
- 生物医学工程 生物医学工程
- 人工智能的人工智能
背景情况:
- 脊椎病学 (Ortho-K) 镜片的配合对于近视控制至关重要,需要准确的评估.
- 手动评估Ortho-K镜头的安装可能是主观和耗时的.
- 需要自动化工具来提高镜片配合评估的效率和客观性.
研究的目的:
- 开发和验证一个深度学习工具,用于自动化 ортокератология镜头配合评估.
- 使用一个双流架构,将ResNet-50和时间注意模块结合起来.
- 为了比较模型的性能与专家光学家的注释.
主要方法:
- 使用了143个光素染色视频的数据集,五位眼科医生的共识是黄金标准.
- ResNet-50从内图像中提取了形态特征.
- 一个时间注意力模块分析了移动特征的跨图像.
- 边缘检测用于数据增强以捕获空间特征.
主要成果:
- 该模型实现了92.3%的整体准确性,92.6%的宏观敏感性和96.2%的宏观特异性.
- 性能超过了个别的TimeSformer和ViViT模型.
- 拟议模块的整合显著提高了其他模型的评估准确性.
结论:
- 开发的深度学习模型有效地和准确地评估了 ортокератология镜头的合适状态.
- 这种自动化方法为临床评估提供了可靠和客观的方法.
- 该工具有潜力显著帮助临床医生在脊髓瘤学实践.
