.png){kind=icon}
返回
RetCond: A Conditional Diffusion Model for Self-Explanatory Multi-Class Fundus Image Classification
.png){kind=icon}
PRE
AI
DOI：10.1007/s10916-026-02414-0.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
视力障碍仍然是一个主要的全球健康挑战，早期诊断视网膜疾病对于预防可避免的视力丧失至关重要。眼底照相被广泛用于视网膜评估，但人工解读耗时且易受临床医生间差异影响。尽管深度学习改进了自动视网膜疾病检测，但大多数分类模型缺乏透明度。我们介绍RetCond，一种自解释生成分类器，旨在提供准确的预测和反事实视觉解释。RetCond是一种扩散模型，被重新用于分类器，其生成能力使其能够进行反事实合成以提供内置解释。这些反事实图像描绘了与替代诊断相关的视网膜变化，为模型的决策提供见解。我们整理了一个包含五种视网膜疾病条件的19,565张图像的多样化数据集，用于训练和评估模型。性能通过标准分类指标以及定性定量评估自解释组件进行评估。与强大的判别性基线进行比较。RetCond达到96.98%的分类准确率，与RETFound（96.99%）相当。与标准模型不同，RetCond生成反事实图像，突出特定于条件的视网膜特征，确认其学习到的概念并展示其自解释特性。这些结果表明，RetCond在匹配最先进判别性能的同时，解决了标准深度学习模型中事后可解释性技术的局限性。因此，RetCond为眼科领域更值得信赖的AI解决方案做出了贡献。
Keyword:
Deep learning
Fundus
Generative classifier
Diffusion
Counterfactuals
期刊
IF:
5.7
论文数:
3.5K
被引数:
7.9K
机构
引用论文
AutoMorph: Automated Retinal Vascular Morphology Quantification Via a Deep Learning PipelineAutoMorph: 通过深度学习管道自动量化视网膜血管形态
OAAI
OAAI分享收藏"Why Should I Trust You?"“我为什么要相信你？”.png)
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningIF0
PREAI
分享收藏Automatic detection of 39 fundus diseases and conditions in retinal photographs using deep neural networks使用深度神经网络自动检测视网膜照片中的39种眼底疾病和状况NATURE COMMUNICATIONS
OAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏Advancing diabetic retinopathy diagnosis with fundus imaging: A comprehensive survey of computer-aided detection, grading and classification methods利用眼底成像技术推进糖尿病视网膜病变诊断：计算机辅助检测、分级和分类方法的全面综述OAAI
OAAI分享收藏
查看更多内容