.png){kind=icon}
返回
Optimized dynamic global structure enhanced multi-channel graph neural network based automatic cataract disease classification
.png){kind=icon}
PRE
AI
DOI：10.1016/j.bspc.2025.108125.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
最常导致视力扭曲的病症是白内障。减少危险并预防失眼的最有效方法是准确且及时地检测白内障。基于人工智能的白内障检测系统的研究兴趣近期有所增加。在本篇论文中，提出了优化动态全局结构增强多通道图神经网络依赖自动白内障疾病分类（DSEMGNN-CACD-SETOA）。输入的眼底图像是通过青光眼数据集获取的，并对图像进行预处理。输入图像利用广义多核最大相关熵卡尔曼滤波器（GMMCKF）进行预处理，以调整图像大小和归一化。预处理后的图像用于分类。最后，预处理后的图像被提供给动态全局结构增强多通道图神经网络（DSEMGNN），以将白内障疾病分类为青光眼参考（Referable Glaucoma）和非青光眼参考（Non-referable Glaucoma）。提出了股票增强交易优化算法（SETOA）以改进DSEMGNN在白内障疾病分类中的权重参数。所提出的KOAC-GCIGNN-AcME-SBOA技术使用Python实现。与现有方法（如GLA-Net：用于自动白内障分类的全局-局部注意力网络（GLAN-CNN-ACC）、基于深度卷积神经网络和堆叠集成学习的白内障分级技术（CGM-DCNN-SEL）以及用于眼底图像的深度学习自动白内障检测方案（ACD-DNN-FI））相比，所提出的方法分别获得了28%、30.78%和25.29%更高的准确率，以及15.08%、20.58%和15.25%更高的精确率。
期刊
IF:
4.9
论文数:
1.0W
被引数:
2.4W
机构
暂无机构信息
引用论文
DeepLensNet: Deep Learning Automated Diagnosis and Quantitative Classification of Cataract Type and Severity.png)
OPHTHALMOLOGY
OAAI
OPHTHALMOLOGYIF9.5
OAAI分享收藏
分享收藏分享收藏Regional context-based recalibration network for cataract recognition in AS-OCTPATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏DeepDiabetic: An Identification System of Diabetic Eye Diseases Using Deep Neural NetworksIEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容