基于超广角彩色成像生成多帧超广角荧光眼底照相，改善糖尿病视网膜病变分层
原文中文，约500字，阅读约需2分钟。发表于：。本研究解决了超广角荧光眼底照相（UWF-FA）在糖尿病视网膜病变（DR）检测中的风险问题。通过采用生成性人工智能（GenAI），从无创的超广角彩色眼底（UWF-CF）图像中生成UWF-FA图像，提升了DR筛查的可靠性。研究发现，生成的UWF-FA图像显著提高了DR分类的AUROC值，从0.869提升至0.904。
该研究使用卷积神经网络进行迁移学习，自动检测糖尿病视网膜病变。通过改进现有方法，使用U-Net神经网络架构进行分割，该模型在视网膜病理评估中表现出潜力。该研究有望改善糖尿病视网膜病变患者的预后，并对医学图像分析领域做出贡献。
