Fundus images analysis using deep features for detection of exudates, hemorrhages and microaneurysms
PulseAugur coverage of Fundus images analysis using deep features for detection of exudates, hemorrhages and microaneurysms — every cluster mentioning Fundus images analysis using deep features for detection of exudates, hemorrhages and microaneurysms across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
CNNs rely on pixel intensity over texture for vascular imaging
一篇新研究论文探讨了卷积神经网络（CNN）如何解释视觉信息以进行血管分割，应用于显微镜和眼底成像。研究发现，像素强度比纹理对这些网络更重要，即使纹理和强度线索退化，它们也能保持显著的准确性。CNN还表现出仅凭形状从有限的能力推断完整血管几何形状，依赖于大约20像素的感受野，而全局上下文对眼底图像只有微小的优势。
-
新型VLM增强糖尿病视网膜病变AI可解释性
研究人员开发了HSQ-VLM，这是一种新颖的视觉语言模型，旨在提高AI诊断糖尿病视网膜病变的可解释性。该模型采用新颖的象限分割流程，结合了基于地标的笛卡尔交叉注意力和拓扑潜在分区，将视网膜特征与以中央凹为中心的坐标系统对齐。HSQ-VLM通过解剖学精确地量化病理学来生成精确的自然语言报告，在3500张眼底图像的数据集上实现了高灵敏度的出血和微动脉瘤检测。
-
人工智能利用多模态成像合成视网膜血管造影
研究人员开发了一个新框架，可以从眼底图像和光学相干断层扫描（OCT）扫描中合成荧光素血管造影（FFA）。该方法解决了先前仅依赖眼底摄影方法的局限性，后者无法捕捉功能性血管信息。新框架整合了来自OCT扫描的结构化指导，为视网膜血管评估提供了更全面的方法。