编辑推荐：
糖尿病视网膜病变（DR）是致盲主因，早期精准检测意义重大。研究人员开发 DiaRetULS-Net 模型，结合多种技术检测与分类 DR。该模型在 Messidor-2 数据集表现优异，为 DR 诊断开辟新方向。
糖尿病，这个如今在全球范围内广泛肆虐的慢性疾病，正悄无声息地给无数患者的健康带来沉重打击。糖尿病视网膜病变（Diabetic Retinopathy，DR）作为糖尿病最常见且危害极大的并发症之一，已成为全球范围内导致视力丧失和失明的主要原因。想象一下，眼睛里那些原本正常工作的血管，在高血糖的长期侵蚀下，逐渐变得脆弱不堪。微小的动脉瘤开始出现，血管慢慢堵塞，新生的异常血管肆意生长，这一步步的变化，最终可能导致患者陷入黑暗的世界。据世界卫生组织（WHO）估算，全球约有 4.22 亿糖尿病患者，其中近三分之一的人受到 DR 的困扰。而且，DR 根据严重程度可分为从无明显病变（Grade 0）到最严重的增殖性 DR（Grade 4）共五个阶段，不同阶段的病变特征和对视力的影响各不相同 。早期阶段，视网膜血管会出现微小动脉瘤；随着病情发展，血管阻塞，视网膜组织缺氧；到了增殖性 DR 阶段，新生血管容易出血，严重损害视力。由此可见，早期发现并准确诊断 DR 对于阻止病情恶化、保护患者视力至关重要。
然而，传统的诊断方法往往依赖于眼科医生的经验和主观判断，不仅效率低下，而且在面对大量患者时，很难保证诊断的准确性和一致性。近年来，随着机器学习算法和医学成像技术的飞速发展，自动化的 DR 检测系统应运而生。但现有的检测方法仍存在诸多不足，比如难以准确识别细微病变、无法有效处理病变的时空变化以及在处理不同严重程度阶段数据不平衡问题时效果不佳等。在这样的背景下，为了攻克 DR 检测和分类的难题，研究人员开展了深入的研究。虽然文中未提及具体研究机构，但他们开发出了一种创新的集成模型 ——DiaRetULS-Net，旨在实现利用视网膜眼底图像对 DR 进行自动化检测和分级分类，为 DR 的诊断带来新的突破。这一研究成果发表在《Expert Systems with Applications》上，引起了广泛关注。
研究人员在这项研究中运用了多种关键技术方法。首先是图像预处理技术，通过对比度受限自适应直方图均衡化（Contrast Limited Adaptive Histogram Equalization，CLAHE）对眼底图像进行增强处理，让图像中的病变特征更加清晰。接着采用离散小波变换（Discrete Wavelet Transform，DWT）和局部二值模式（Local Binary Patterns，LBP）进行特征提取，从图像的频率和纹理等方面获取关键信息。然后利用 U-Net 进行视网膜异常的精确分割，能够精准定位微动脉瘤和出血等细微病变；同时引入液态时间常数神经网络（Liquid Time Constant Neural Network，LTCN）来提取动态的空间和时间特征，弥补 U-Net 在建模时间动态和长程依赖方面的不足。最后，使用多类支持向量机（Multi-Class Support Vector Machine，SVM）对 DR 的严重程度进行精确分类，提升模型在高维特征空间的泛化能力和分类效果。研究使用 Messidor-2 数据集进行实验，该数据集包含 1748 张眼底图像，涵盖五个 DR 分级水平。
在研究结果部分，通过一系列的实验和分析，充分展示了 DiaRetULS-Net 模型的卓越性能。
- 模型性能评估：运用 5 折交叉验证的方法对模型进行评估，结果令人瞩目。该模型在 Messidor-2 数据集上达到了 98.83% 的准确率、98.87% 的特异性、99.21% 的敏感性、99.28% 的精确率以及 99.15% 的 F1 分数。这些数据表明，DiaRetULS-Net 模型在识别 DR 和判断其严重程度方面具有极高的准确性。
- 综合分析验证：通过受试者工作特征（Receiver Operating Characteristic，ROC）曲线、混淆矩阵和误差直方图等综合分析手段，进一步验证了模型的可靠性和高效性。ROC 曲线能够直观地展示模型在不同阈值下的分类性能，而混淆矩阵则清晰地呈现了模型对各个 DR 分级的分类情况，误差直方图则有助于分析模型的误差分布，这些都为模型的有效性提供了有力支持。
研究结论表明，DiaRetULS-Net 模型凭借其独特的设计，将现代深度学习技术与经典机器学习方法巧妙结合，在 DR 诊断方面展现出了卓越的图像分析能力。该模型不仅能够准确检测 DR，还能对其严重程度进行精准分级，为眼科医生提供了强有力的辅助诊断工具。而且，该模型在不同数据集上都表现出了稳定的性能，证明了其良好的泛化能力，这对于实际临床应用具有重要意义。在未来，研究人员计划进一步拓展模型的诊断能力，将光学相干断层扫描（Optical Coherence Tomography，OCT）图像纳入其中。OCT 图像能够提供视网膜的详细横截面视图，对于评估黄斑裂孔、黄斑水肿和年龄相关性黄斑变性等更复杂的视网膜疾病至关重要。通过不断优化模型架构，使其能够更好地处理 OCT 图像的高分辨率三维数据，有望进一步提升 DR 诊断的准确性和全面性，为广大糖尿病患者带来更多希望，在眼科医学领域迈出重要的一步，推动 DR 诊断技术向更精准、更高效的方向发展。
