BriefGPT - AI 论文速递
·
多模型推理的导向专家混合去噪 OCT 图像
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
我们提出了一种自我监督的机器学习框架OCT-SelfNet，用于检测眼部疾病。通过多个机构的数据集和两阶段训练方法，我们的方法在测试中获得了超过77%的AUC-ROC性能，相比基线模型提升了至少10%。
🎯
关键要点
- 提出了一种自我监督的机器学习框架OCT-SelfNet，用于检测眼部疾病。
- 使用光学相干断层扫描(OCT)图像，结合多个机构的数据集。
- 采用两阶段训练方法：自我监督预训练和有监督微调。
- 基于SwinV2主干结构的遮罩自编码器解决了实际临床应用部署的问题。
- 实验结果显示，OCT-SelfNet在所有测试中获得超过77%的AUC-ROC性能。
- 相比基线模型Resnet-50，OCT-SelfNet性能提升至少10%。
- 根据AUC-PR指标，OCT-SelfNet达到了42%以上的性能，基线模型为33%。
➡️
