.png){kind=icon}
返回
Ensemble learning–based method for multiple sclerosis screening from retinal OCT images
.png){kind=icon}
PRE
AI
DOI：10.1007/s11517-025-03410-1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多发性硬化（MS）是一种神经退行性疾病，会影响视网膜层厚度。因此，多项研究提出利用视网膜光学相干断层扫描（OCT）图像来诊断MS。近期临床研究证实，在四个表层中，尤其是在黄斑区域会发生变薄。然而，现有的MS检测方法并未考虑所有MS症状，这可能影响MS检测性能。本研究提出了一种新的自动化方法，用于从视网膜OCT图像中检测MS。其核心原理基于提取相关视网膜层并确定各层厚度，这些厚度被用于推断MS疾病。主要挑战在于保证在高效探索OCT切片的同时实现高性能的生物标志物提取。我们的贡献包括：(1) 采用两种深度学习（DL）架构分别基于形态学对子图像进行分割，以提升分割质量；(2) 从四个表层中提取厚度特征；(3) 为每个OCT切片分配一个分类器，该分类器根据其相对于黄斑中心的位置进行选择；(4) 通过集成学习方法融合分类器的知识。我们建议的方法实现了97%的准确率、100%的敏感度以及94%的精确度和特异度，超越了多项当前最先进的方法。
Keyword:
DCNN
Feature extraction
Ensemble learning
Optical coherence tomography
Multiple sclerosis
期刊
M
IF:
2.6
论文数:
311
被引数:
7.7K
机构
引用论文
Spinal cord MRI in multiple sclerosis-diagnostic, prognostic and clinical value.png)
NATURE REVIEWS NEUROLOGY
NATURE REVIEWS NEUROLOGYIF33.1
PREAI
分享收藏
查看更多内容