新AI模型通过眼底照片评估眼部健康

研究人员开发了SpecF2M，一种新颖的多任务网络，用于从儿科眼底照片估计轴长和屈光不正。这种光谱感知的网络集成了解剖引导增强模块和混合空间-光谱骨干网络，用于估计轴长、球镜和柱镜等成分。在一项涉及超过4000次儿童就诊和近7000张眼底图像的研究中，SpecF2M在轴长和球镜估计方面表现优于标准的CNN和ViT基线模型，平均绝对误差分别为0.5347毫米和0.7062屈光度。研究结果表明，眼底摄影可用于筛查儿童近视指标，但临床应用前需要外部验证。 AI

影响 该模型有望实现对儿童近视及相关眼部疾病更易获得且更具成本效益的筛查。

排序理由 该集群描述了一篇学术论文中提出的用于特定医学成像任务的新AI模型。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• CNN
• Cylinder
• Hybrid Spectral Learning
• MixCNN
• SpecF2M
• Spherical Equivalent Refraction
• ViT

• 论文
• 模型发布
• 产品

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →