BriefGPT - AI 论文速递
·
利用 UWF-CFP 和 OCTA 图像的深度多模态融合改进自动糖尿病性视网膜病变严重程度分类
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该研究提出了一种新的眼底图像无源主动域适应方法，可提高DR分级性能。实验结果表明，准确率提高了20.9%，加权kappa系数提高了18.63%。
🎯
关键要点
- 本研究提出了一种新颖的无源主动域适应方法 (SFADA)。
- 该方法通过生成具有不断演化的 DR 关系特征的彩色眼底图像。
- 利用局部表示匹配主动选择有价值的 UWF 眼底图像进行标注。
- 通过 DR 病变原型在 UWF 眼底图像上进行模型适应。
- 实验结果显示，SFADA 在 DR 分级性能上达到了最先进的水平。
- 准确率提高了 20.9%，达到了 85.36%。
- 加权 kappa 系数提高了 18.63%，达到了 92.38%。
- 研究结果显示该方法在实际临床实践中的潜力。
➡️
