Wissenschaftler stufen die diabetische Retinopathie automatisch durch die Technologie des maschinellen Lernens ein.

0

Eine frühe Diagnose durch regelmäßiges Screening ist wichtig für die Prävention der diabetischen Retinopathie (DR), aber die Diagnose ist für Augenärzte zeitaufwändig.

Forscher der Shenzhen Institutes of Advanced Technology (SIAT) der Chinesischen Akademie der Wissenschaften schlugen ein mehrkanaliges, generatives, kontradiktorisches Netzwerk (MGAN) mit Semi-Supervision zur automatischen Einstufung von DR.Frühere Studien von SIAT fanden heraus, dass ein computergestütztes Diagnosesystem mit Hilfe einer Technologie für tiefes Lernen Funktionen auf hohem Niveau realisieren könnte, die von DR-Bildern lernen, und automatisch die Möglichkeit von DR analysieren könnte.Tiefgehende Lernmodelle werden jedoch in der Regel an einer großen Menge an beschrifteten DR-Daten trainiert.

Für den Beschriftungsprozess von DR-Bildern erfordert die Einstufung von DR, dass der Kliniker die Läsionen extrahieren und den Bereich der Läsionen manuell messen muss, was sehr zeitaufwändig ist.

Aufgrund des Mangels an qualitativ hochwertigen beschrifteten Daten in realen Anwendungen ist es schwierig, die allgemeine Methode des tiefen Lernens für die DR-Diagnose anzuwenden.Die neu vorgeschlagene Methode löste diese Schwierigkeiten, und sie konnte beschriftete und unbeschriftete Daten vollständig nutzen, um DR automatisch zu erkennen, ohne die ursprünglichen DR-Merkmale zu verlieren.Um der Herausforderung zu begegnen, dass die effektiven DR-Merkmale in den hochauflösenden Fundusbildern diffus sind, entwickelten die Forscher ein mehrkanalbasiertes GAN-Modell, das eine Reihe von Teilfondsbildern einschließlich effektiver lokaler Merkmale erzeugen konnte.

Alle Bilder der Teilfonds wurden dann kombiniert, um die repräsentativsten Merkmale des gesamten Fundusbildes zu erhalten.Zusätzlich haben die Forscher ein Merkmalsextraktionsschema in das vorgeschlagene mehrkanalige GAN-Rahmenwerk integriert.

Dieses Schema reduzierte die Interferenz von den ursprünglichen Fundusbildern und extrahierte die streuende Läsion….

Tun Sie mir einen Gefallen: Bitte TEILEN Sie diesen Beitrag.

Share.

Leave A Reply