跳转到主要内容

#医学影像分析

3 篇

与"医学影像分析"相关的眼科资讯

学术研究

联合SAM分割与时间序列分类识别水平眼震

研究提出一种基于深度学习的新方法，用于从眼动视频中自动识别水平眼震。该方法先用卷积神经网络剔除无效视频帧，再用SAM模型提取瞳孔运动轨迹，最后通过空间注意力机制和多尺度一维时序卷积分类器判断是否存在水平眼震。在临床采集的视频数据集上，瞳孔定位准确率达79.53%，眼震检测精确率达81%，优于其他同类方法。

#人工智能#眼震#医学影像分析
PubMed Ophthalmology
学术研究

用CheXNet加注意力机制提升糖网眼底图像分析

该研究提出一种融合CheXNet预训练权重与卷积块注意力模块（CBAM）的深度学习模型，用于糖尿病视网膜病变（DR）的眼底图像自动分级。模型在APTOS 2019和DDR两个公开数据集上分别达到96.12%和96.33%的准确率，优于CheXNet、DenseNet121等五种对比模型。研究还引入Grad-CAM可视化技术解释模型决策依据。

#人工智能#糖尿病视网膜病变#医学影像分析
PubMed Ophthalmology
学术研究

基于改进鲸鱼算法与卷积KAN网络的糖尿病视网膜病变分级方法

研究人员提出一种新的人工智能模型，结合ShuffleNet V2与视觉Transformer注意力机制提取眼底图像特征，再用改进鲸鱼优化算法（IWO）微调，并通过卷积Kolmogorov-Arnold网络对糖尿病视网膜病变（DR）严重程度分级。模型在EyePACS数据集上训练，在Messidor-2数据集上测试，平均准确率达93.84%，且计算资源需求较低。

#人工智能#糖尿病视网膜病变#医学影像分析
PubMed Ophthalmology