.png){kind=icon}
返回
Retinal OCT image classification based on MGR-GAN
.png){kind=icon}
PRE
AI
DOI：10.1007/s11517-025-03286-1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
准确分类光学相干断层扫描（OCT）图像对于诊断和治疗眼科疾病至关重要。本文介绍了一种名为MGR-GAN的新型生成对抗网络框架。将掩码图像建模（MIM）方法整合到GAN模型的生成器中，通过基于未掩码图像块进行重构，增强了其合成更真实图像的能力。采用ResNet结构的判别器来判断图像是否由生成器生成。通过生成对抗网络（GAN）模型的独特博弈过程，判别器获取高级别判别特征，这对精确的OCT分类至关重要。实验结果表明，MGR-GAN在原始UCSD数据集上实现了98.4%的分类准确率。由于训练后的生成器能够高精度地合成OCT图像，加之UCSD数据集中存在类别不平衡问题，因此利用生成的OCT图像来缓解这种不平衡。在平衡UCSD数据集后，分类准确率进一步提升至99%。
Keyword:
Optical coherence tomography
Generative adversarial networks
Masked self-encoder
Data imbalance
Image classification
期刊
M
IF:
2.6
论文数:
311
被引数:
7.7K
机构
引用论文
Clinically applicable deep learning for diagnosis and referral in retinal disease深度学习在视网膜疾病诊断和转诊中的临床应用.png)
NATURE MEDICINE
NATURE MEDICINEIF50
PREAI
分享收藏Drusen in age-related macular degeneration: Pathogenesis, natural course, and laser photocoagulation-induced regression年龄相关性黄斑变性中的玻璃疣: 发病机理，自然病程和激光光凝诱导的消退
PREAI
分享收藏Recovering from missing data in population imaging - Cardiac MR image imputation via conditional generative adversarial netsMEDICAL IMAGE ANALYSIS
OAAI
MEDICAL IMAGE ANALYSISIF11.8
OAAI分享收藏Deep Learning Is Effective for Classifying Normal versus Age-Related Macular Degeneration OCT ImagesOAAI
OAAI分享收藏
查看更多内容