研究人员开发了一种新颖的双边缘空间-雅可比图像图，以提高眼底照片糖尿病视网膜病变分级可解释性。该框架将每个图像表示为一个图节点，整合了血管信息、病变证据图、对比图像嵌入和形态学生物标志物。该系统在可referable DR方面取得了强大的性能指标，包括0.8076的准确率和0.9711的AUROC，并旨在作为生成病变-生物标志物关系假设的工具。 AI
影响 这项研究为医学诊断中的可解释人工智能提供了一种新方法，有望改善疾病生物标志物的假设生成。
排序理由 该集群包含一篇详细介绍医学图像分析新方法的论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2606.24168v1 Announce Type: cross Abstract: Automated diabetic retinopathy (DR) grading from colour fundus photographs can achieve strong predictive performance, but clinical interpretation requires more than an image-level label. It requires understanding how lesion eviden…
Automated diabetic retinopathy (DR) grading from colour fundus photographs can achieve strong predictive performance, but clinical interpretation requires more than an image-level label. It requires understanding how lesion evidence is distributed around retinal vessels and how t…