
-
生物通官微
陪你抓住生命科技
跳动的脉搏
基于CNN与Swin Transformer双向交叉注意力融合的临床共聚焦显微镜真菌性角膜炎分类模型
《Scientific Reports》:CSwinFK: a bidirectional cross-attention CNN-Swin Transformer fusion model for fungal keratitis classification in in vivo confocal microscopy images
【字体: 大 中 小 】 时间:2026年10月14日 来源:Scientific Reports 4.9
编辑推荐:
摘要真菌性角膜炎是由丝状真菌或酵母菌引起的角膜感染。该病进展迅速,若未能及时诊断和治疗,可能导致不可逆的视力损害甚至失明。在本研究中,我们开发了CSwinFK,一种用于根据活体共聚焦显微镜(IVCM)图像区分真菌性角膜炎与阴性病例的分类模型。该模型基于CNN架构与Swin T
真菌性角膜炎是由丝状真菌或酵母菌引起的角膜感染。该病进展迅速,若未能及时诊断和治疗,可能导致不可逆的视力损害甚至失明。在本研究中,我们开发了CSwinFK,一种用于根据活体共聚焦显微镜(IVCM)图像区分真菌性角膜炎与阴性病例的分类模型。该模型基于CNN架构与Swin Transformer的创新双向交叉注意力融合。通过两个分支之间的深度交互,该模型旨在实现对局部结构细节的高敏感度,同时有效捕获图像中的长程全局依赖关系。实验在一套经过整理的包含3,612张来自真菌性角膜炎组和阴性组的临床IVCM图像的数据集上进行,采用受试者级别的数据划分方式。该模型在测试中的准确率达到了97.23%,灵敏度为97.05%,特异度为97.42%。与代表性架构和现有深度学习模型的对比实验表明,CSwinFK取得了优异的分类性能。Grad-CAM分析进一步表明,该模型关注的是在IVCM图像中表现出与真菌菌丝模式一致的区域。
生物通微信公众号