64、可解释CAD系统与下一代MEMS传感器在医疗诊断中的应用

可解释CAD系统与下一代MEMS传感器在医疗诊断中的应用

可解释CAD系统在糖尿病眼病早期检测中的应用

在糖尿病眼病的检测中，有多种基于人工智能的自动化CAD系统被提出。这些系统通过对眼底图像、光学相干断层扫描（OCT）图像等进行分析，帮助医生更准确地检测和诊断疾病。

自动化CAD系统检测糖尿病眼病的方法

• 基于血管和病变特征 ：研究人员通过对血管大小和形态的变化，以及微动脉瘤、渗出物和出血等不同病变的检测来诊断糖尿病视网膜病变（DR）。例如，有人提出将多尺度信息与多尺度全连接卷积神经网络（CNN）相结合的方法；还有人使用局部二值模式（LBP）、局部三元模式和基于局部能量的形状直方图等特征进行检测。
• 机器学习算法 ：Adaboost、随机森林、支持向量机（SVM）等机器学习算法被用于提高DR检测的有效性。此外，多任务学习技术也被用于DR的分级和病变分割。
• 深度学习模型 ：包括使用预训练模型，并在其基础上添加自定义的CNN层；基于Aquila优化器的深度神经网络用于对视网膜图像进行分类；基于OCT的CAD方法用于识别早期DR；Few - Shot学习范式用于在有限训练数据下训练模型；CenterNet模型在DenseNet - 100网络上进行改进，用于提取更详细的特征以检测DR和糖尿病黄斑水肿（DME）病变。

方法类型	具体方法