.png){kind=icon}
返回
Problem-Oriented Strategy for Diabetic Retinopathy Identification
.png){kind=icon}
PRE
AI
DOI：10.1002/ima.70216.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
糖尿病视网膜病变是一种常见且威胁视力的糖尿病并发症，影响着全球人群。有效应对这一状况需要根据视网膜图像的具体特征调整方法。现有研究往往应对诊断挑战，但未聚焦于特定方面。相比之下，本研究提出了一种新的面向问题的策略，通过三种新颖且定制的方法解决糖尿病视网膜病变中的关键空白。首先，为解决高分辨率视网膜图像利用不足的问题，我们提出了一种分辨率保留、基于数据的方法，该方法采用基于图块的分析，无需降尺度处理，同时缓解数据稀缺和不平衡问题。其次，受真实临床实践的启发，我们开发了一种基于症状的方法，明确分割多种关键病理指标（血管、渗出物和微动脉瘤），并利用这些指标指导分类网络。第三，我们提出了一种分层方法，将多阶段分类任务分解为多个分层二分类任务，实现更专业的特征学习，并在不同严重程度级别上支持更明智的决策。在EyePACS和APTOS基准数据集上的评估展示了优越的性能，超越或匹配了当前最先进的结果。这些成果证明了我们提出的方法的有效性，并突显了该策略在改善糖尿病视网膜病变诊断方面的潜力。
Keyword:
data-based approach
deep learning
diabetic retinopathy diagnosis
hierarchical approach
problem-oriented strategy
symptoms-based approach
期刊
IF:
2.5
论文数:
2.2K
被引数:
2.3K
机构
引用论文
Improved Automated Detection of Diabetic Retinopathy on a Publicly Available Dataset Through Integration of Deep Learning通过整合深度学习，在公开可用的数据集上改进糖尿病视网膜病变的自动检测
OAAI
OAAI分享收藏Enhanced Diabetic Retinopathy Detection Using U-Shaped Network and Capsule Network-Driven Deep Learning基于U型网络和胶囊网络驱动的深度学习增强糖尿病视网膜病变检测.png)
IF0
PREAI
分享收藏
Evaluation of Artificial Intelligence-Based Grading of Diabetic Retinopathy in Primary CareJAMA NETWORK OPENOAAI
JAMA NETWORK OPENIF9.7
OAAI分享收藏分享收藏
查看更多内容