今日动态 返回首页
会员注册 登录 生物通快讯免费订阅
  • 首页 今日动态 人才市场 新技术专栏 中国科学人 云展台
    BioHot
    • 定制我的BioHot
    • 进入我的BioHot
    • 进入我的集采
    • 肿瘤癌症研究
    • 免疫/基因/细胞疗法
    • 神经生物学
    • 健康与疾病
    • 衰老机制与长寿
    • 单细胞技术
    • 基因编辑-CRISPR
    • RNA研究
    • 肠道菌与人体微生态
    • 细胞代谢
    • AI生物信息学
    • COVID
    云讲堂直播 会展中心 特价专栏 技术快讯 免费试用

  • 生物通官微
    陪你抓住生命科技
    跳动的脉搏

生物通首页  >  今日动态  >  正文

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

  

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 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。

相关新闻
生物通微信公众号
生物通新浪微博
微信
新浪微博
我要投稿
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热搜:真菌性角膜炎|CSwinFK|活体共聚焦显微镜|CNN与Swin Transformer融合|深度学习分类|医学影像识别

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号