TY -的A2 Albahri a . s . AU - Li Qiaoyu盟——朱Xiao-rong盟——太阳,Guangmin盟——张、林盟——朱,梅陇AU -田,田AU -郭,陈宇盟——Mazhar莎拉AU -杨,Yu PY Jin-Kui AU - Li - 2022 DA - 2022/08/04 TI -诊断糖尿病视网膜病变在八面体图像基于多级信息融合使用深度学习框架SP - 4316507六世- 2022 AB - 客观的。作为一个扩展的光学相干断层扫描(OCT),光学相干层析血管造影术(八面体)提供信息在微程序级血流状态和眼底血管的变化很敏感。然而,由于不同的八面体成像机制,现有的模型,主要用于分析眼底图像,上不适合八面体图像。有效地提取和分析八面体图像中的信息仍然是具有挑战性的。为此,一个深度学习框架,融合在八面体图像提出了多级信息研究。提出的模型的有效性在糖尿病性视网膜病变(DR)分类的任务。 方法。首先,U-Net-based细分模式提出了标签的边界大视网膜血管和视网膜中央凹无血管的区域(的报道)在八面体图像。然后,我们设计了一个孤立的连接块(ICB)从原来的八面体结构提取和融合信息在不同的融合图像和分割结果的水平。 结果。301八面体的实验图像。这些图像,244被眼科医生标记为正常的图像,图像博士和57贴上。精度为93.1%,是一个十字路口在联盟(mIOU)的77.1%是通过使用提出了大型船舶和《法兰克福汇报》细分模式。翻消融实验验证,提出了深度学习框架,结合提出的孤立和博士级联卷积过程显著提高诊断准确性。此外,输入合并后的图像原始八面体的图像和分割结果进一步改进模型的性能。最后,诊断准确率为88.1%(博士 95年 % CI ± 3.6 % )和曲线下面积(AUC) 0.92是通过使用我们建议的分类模型,大大优于最先进的分类模型。作为对比,精度83.7 ( 95年 % CI ± 1.5 % 使用EfficientNet)和AUC的0.76了。 意义。可视化结果表明,接近《法兰克福汇报》的报道和血管区域为模型提供更多的信息比周围地区。此外,这项研究表明临床复杂的设计深度学习模型不仅能够有效地协助诊断,而且还有助于定位某些疾病的新指标。SN - 1748 - 670 - 2022/4316507 / 10.1155 x你——https://doi.org/10.1155/2022/4316507——摩根富林明——计算和数学方法在医学PB - Hindawi KW - ER