.png){kind=icon}
返回
Language assisted learnable hyperdimensional computing framework for retinal disease classification
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-025-32886-y.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
视网膜疾病被认为是全球失明的首要原因。许多研究人员已开发出基于光学相干断层扫描（OCT）的自主视网膜筛查方法，因为它们能够揭示视网膜早期异常。然而，这些方法大多缺乏通过分析疾病特异性临床表现为视网膜疾病分类任务的能力，并且它们依赖数学特征进行视网膜筛查，这对临床医生而言可能没有意义。为解决这些问题，我们提出了一种新颖的语言辅助可学习高维计算（HDC）框架。HDC是一种计算范式，通过使用高维向量空间来表示和处理数据，以实现高效、类脑的学习和推理。通过融合语言特征和通过临床提示集及OCT扫描分别计算得到的HDC视觉嵌入，该框架仅需一次训练，就能稳健地识别不同视网膜疾病，而与扫描仪规格、厂商伪影和数据集变化无关。该框架在四个公开数据集上进行了全面测试，在各个数据集的各项指标上均优于现有先进方法。
Keyword:
Hyperdimensional computing
Large language models
Optical coherence tomography
Retina
Ophthalmology
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.9
论文数:
28.3W
被引数:
83.5W
机构
引用论文
分享收藏Attention to Lesion: Lesion-Aware Convolutional Neural Network for Retinal Optical Coherence Tomography Image Classification关注病变: 用于视网膜光学相干断层扫描图像分类的病变感知卷积神经网络
PREAI
分享收藏Joint Extraction of Retinal Vessels and Centerlines Based on Deep Semantics and Multi-Scaled Cross-Task Aggregation基于深度语义和多尺度跨任务聚合的视网膜血管和中心线联合提取
PREAI
分享收藏Angular contrastive distillation driven self-supervised scanner independent screening and grading of retinopathy.png)
INFORMATION FUSION
INFORMATION FUSIONIF15.5
PREAI
分享收藏Exploring large language model for next generation of artificial intelligence in ophthalmology面向下一代人工智能的眼科大语言模型探索OAAI
OAAI分享收藏
查看更多内容