Компьютерные науки > Компютерное видение и распознавание шаблонов [представлено 23 февраля 2025 года (v1), последний пересмотренный вариант 16 сентября 2026 года (эта версия v3)] Название: " Прогнозирование интерпретируемых ретинальных заболеваний с использованием биологовых-информированных гетерогенных изображений, просмотр PDF HTML (экспериментальный) резюме: интерпретация имеет решающее значение для использования моделей машинного обучения в качестве инструментов поддержки клинического решения медицинской диагностики. Однако большинство современных классификаторов изображений, основанных на нейронных сетях, не поддаются толкованию. В результате врачи часто прибегают к известным биомаркерам для определения диагноза, хотя классификация на основе биомаркеров зачастую страдает от резкого сокращения информации по сравнению с необработанными медицинскими изображениями. В рамках этой работы предлагается метод, обеспечивающий сохранение богатой информации о изображениях и одновременно повышающий интерпретируемость прогнозов в отношении диабетической ретинопатии на основе изображений оптической ангиографии (OCTA). Основной вклад нашего метода состоит в новом, основанном на биологии разнородном графическом отображении, моделирующем сегменты судна сетчатки, межкапиталовые зоны и фовальная аваскулярная зона (FAZ) по-человечески. Это графическое представление позволяет нам обрисовать диабетическую ретинопатию как задачу классификации на уровне графиков, которую мы решим с помощью…
Прогнозирование заболеваний ретинальной железы с использованием биологической геогенной графической картины
arXiv: 2502.16697v3 Тип уведомления: заменить перекрестное резюме: интерпретируемость имеет решающее значение для использования моделей машинного обучения в качестве инструментов поддержки клинического принятия решений для медицинской диагностики. Однако большинство современных классификаторов изображений, основанных на нейронных сетях, не поддаются толкованию. В результате врачи часто прибегают к известным биомаркерам для определения диагноза, хотя классификация на основе биомаркеров зачастую страдает от резкого сокращения информации по сравнению с необработанными медицинскими изображениями. В рамках этой работы предлагается метод, обеспечивающий сохранение богатой информации о изображениях и одновременно повышающий интерпретируемость прогнозов в отношении диабетической ретинопатии на основе изображений оптической ангиографии (OCTA). Основной вклад нашего метода состоит в новом, основанном на биологии разнородном графическом отображении, моделирующем сегменты судна сетчатки, межкапиталовые зоны и фовальная аваскулярная зона (FAZ) по-человечески. Это графическое представление позволяет нам подделать ретинопатию диабета.
