万方数据知识服务平台

1.深度学习在糖尿病视网膜病变分类领域的研究进展

periodical_jsjgcyyy202408003

[期刊论文]孙石磊李明刘静等-《计算机工程与应用》CSTPCD北大核心CSCD2024年8期

摘要：糖尿病视网膜病变是导致糖尿病患者视力受损的主要原因之一,早期的分类诊断对于病情的治疗与控制具有重要意义.深度学习方法能够自动提取视网膜病变的特征并进行分类,因此成为糖尿病视网膜病变分类的重要工具.介绍常用的糖尿病视网膜病变数据集及评价指标,总结了深度学习在糖尿病视网膜病变二分类中的应用;综述了不同的经典深度学习模型在糖尿病视网膜病变严重程度分类中的应用,重点阐述卷积神经网络的分类诊断方法,并对

糖尿病视网膜病变深度学习二分类严重程度分类卷积神经网络(CNN)

在线阅读

下载

引用

被引：5下载：56

2.目录基于深度学习的糖尿病视网膜病变分类方法研究

thesis_D03139142

[硕士论文]任志远计算机技术齐鲁工业大学2023

摘要：糖尿病视网膜病变的研究一直备受关注，科研人员在这个领域投入了大量精力，已经取得了一些显著进展。然而，目前的分类方法仍然存在许多改进空间，尤其是在准确性和泛化能力方面需要进一步优化。更好、更快地推进这项辅助医疗功能的落地和完善对于患者的诊断和时间成本以及医疗资源紧缺问题都具有十分重要的价值。因此本文在深度学习应用于糖尿病视网膜病变分类的领域进行了研究，主要研究工作分为如下几个部分：　　（1）基于DenseNet与

图像分类医学影像深度学习神经网络注意力模块特征提取

在线阅读

下载

引用

下载：22

3.深度学习方法在糖尿病视网膜病变诊断中的应用

periodical_zdhxb202105003

[期刊论文]范家伟张如如陆萌等-《自动化学报》EICSTPCD北大核心2021年5期

摘要：深度学习可以有效提取图像隐含特征,在医学影像识别方面的应用快速发展.由于糖尿病视网膜病变(Diabetic retinopathy,DR)诊断标准明确、分类体系成熟,应用深度学习诊断糖尿病视网膜病变近年来成为研究热点.本文从深度学习方法在DR诊断中的最新研究进展、DR诊断的一般流程、公共数据集、医学影像标注方法、主要实现模型、面临的主要挑战几方面,对深度学习方法在糖尿病视网膜病变诊断中的应用进行

深度学习糖尿病糖尿病视网膜病变智能诊断图像标注病变区域检测病变等级分类

在线阅读

下载

引用

被引：45下载：458

4.目录基于深度学习的糖尿病视网膜血管图像分割及病变分级方法研究

thesis_D03157451

[硕士论文]李臻电子信息西安理工大学2023

摘要：。　　随着深度学习技术在各个领域都表现出卓越的性能，在视网膜血管图像分割和DR分级方面也取得了显著的进展。然而，当前的视网膜血管图像分割精度较低且病变分级准确率不高，因此本文提出了基于深度学习的视网膜血管图像分割和DR分级方法。本论文的研究重点包括以下两个方面：　　(1)针对视网膜血管图像分割任务中细微血管分叉及端点处分割精度低的问题，本文提出了一种基于改进UNet网络的视网膜血管图像分割方法。首先在

图像分割深度学习卷积神经网络SwimTransformer模块视网膜病变

在线阅读

下载

引用

下载：24

5.人工智能在睑板腺功能障碍相关干眼中的应用现状及进展

periodical_ykyj202402012

[期刊论文]韩亚波易全勇-《中华实验眼科杂志》CSCDCSTPCD北大核心2024年2期

摘要：学习等技术，发挥先进的问题求解能力，使诊断更客观，提高诊疗效率。AI在眼科的应用主要是基于眼科图像的辅助诊断、眼病筛查，减少医疗系统对人工的依赖程度，使眼病相关筛查诊断更快速、更便捷、一致性更高，缓解医疗负担，从而显著提高医疗服务的效率和成本效益。目前，AI在白内障、青光眼、糖尿病视网膜病变等领域的使用日趋成熟，在MGD相关干眼领域的研究也取得一定进展，本文就AI在MGD相关干眼中的应用现状及进展

人工智能深度学习机器学习干眼睑板腺功能障碍图像分类与分析

在线阅读

下载

引用

6.目录面向视网膜眼底图像的血管分割及糖尿病分类方法研究

thesis_Y3591260

[硕士论文]肖潇智能科学与技术厦门大学2019

摘要：随着深度学习的不断发展，以及其在图像分割和分类领域的显著效果，利用深度学习技术，通过眼底图像辅助诊断眼部疾病逐渐受到广泛研究和关注。视网膜血管是眼部疾病准确的诊断、早期治疗和手术计划的关键步骤。许多致盲的眼部疾病均可直接从眼底视网膜血管的病变等观察到，而糖尿病性视网膜病变进行早期治疗可以有效延缓或避免视力损害的进展。因此，实现智能的视网膜眼底图像下的血管分割和糖尿病眼病分类具有重要的临床意义

视网膜眼底图像血管分割糖尿病分类深度学习神经网络

引用

被引：1

7.深度学习与骨骼影像自动化处理

periodical_fsxsj202012024

[期刊论文]王立鹏陈晓纪哲等-《放射学实践》北大核心CSTPCD2020年12期

摘要：深度学习是一种以神经网络为架构、对数据进行表征学习的机器学习算法,是近年来人工智能领域新兴的研究方向,目前已成功应用于医学影像学中的多个领域,如皮肤癌的分类、糖尿病视网膜病变检测及肺结节的评估等,深度学习在骨骼影像中的应用也日益受到关注.本文对深度学习在骨骼影像自动化处理方面的研究进展进行综述.

深度学习人工智能骨骼影像

在线阅读

下载

引用

被引：4下载：87

8.糖尿病性视网膜病变眼底彩照病灶分割与病情进展预测方法研究

thesis_Y4054516

[硕士论文]朱美龙信息与通信工程北京工业大学2022

摘要：医学图像分析领域崭露头角。近些年来，也有很多研究致力于利用图像检测、分类和分割技术来辅助糖尿病性视网膜病变患者眼底图像的筛查。因此，本文致力于对基于深度学习的眼底视网膜病变图像的病灶分割及病情进展预测问题展开研究，重点探究如何提高眼底图像当中病灶的分割精度以及如何根据早期的眼底图像来预测患者的视网膜病变发展趋势。本文的主要内容和创新点分为如下几点:　　(1)针对可用于深度学习的带标签眼底图像数据不足

糖尿病视网膜病变眼底彩照病灶分割病情进展预测

引用

9.目录基于人工智能预测糖尿病肾病预后模型的建立

thesis_Y3981170

[博士论文]王传鹏临床医学中国医学科学院2022

摘要：AI技术目前主要见于发病及进展为ESRD的危险因素分析及肾小球病理改变的识别。　　本研究采集北京协和医院接收肾脏病理确诊DN的患者的临床、病理及随访资料，旨在利用机器学习及深度学习方法结合临床及病理信息建立DN的预后预测模型。　　研究目的：　　1.建立肾脏病理确诊DN患者的回顾性多模态队列;　　2.使用聚类分析对数据分类，验证分类模型在预后预测中的价值，并与传统分析方法的结果进行比较;　　3.使用

糖尿病肾病预后评价机器学习深度学习

在线阅读

下载

引用

被引：4下载：561

10.基于光学相干断层扫描图像的多疾病智能分析算法研究

thesis_Y3898075

[博士论文]阎岐峰机械制造及其自动化中国科学院大学2020

摘要：闭角型青光眼的关键步骤。现有的自动分析方法着眼于2D的AS-OCT切片中的二分类系统（即开角或闭角）。然而，临床诊断需要更具区分性的三级系统（即开角、窄角或粘连房角），以使临床医生更好地了解闭角型青光眼类型的进展。为了解决这个问题，本文提出了一种基于AS-OCT图像的前房角分类的序列多尺度聚合深度学习网络框架(MSDN)。在该的方法中，利用多尺度判别性聚合(MSDA)模块学习切片级别的多尺度表示，引入卷积的

眼科医学图像人工智能相干光断层扫描图像图像去噪图像分割图像分类病灶检测

引用

11.人工智能糖尿病视网膜病变初筛诊断研究

conference_10760714

[会议论文]杨卫华2017中华医学会第二十二次全国眼科学术会议

摘要：　　目的将人工智能应用于糖尿病视网膜病变(Diabetic Retinopathy,DR)辅助诊断领域。采用深度学习中深度卷积神经网络(Deep Convolutional Neural Networks,DCNN)算法,对DR眼底照片进行初筛,获得有病灶的眼底照片。同时提出局部信息嵌入Wasserstein生成对抗网络(Wasserstein Generative Adversarial

人工智能糖尿病糖尿病视网膜病变筛查

引用

学习中心

个人中心

社区

退出

目录