ViT-P: Clasificación del síndrome genitourinario de la menopausia a partir de imágenes de OCT basadas en modelos de transformadores visuales

El síndrome genitourinario de la menopausia (GSM) es una enfermedad causada por un descenso fisiológico en los niveles de estrógeno, y puede afectar negativamente la salud general y la calidad de vida de una mujer en términos de función sexual. Las imágenes de biopsia óptica en tiempo real ahora se pueden obtener con sistemas de tomografía de coherencia óptica (OCT). En este estudio, introducimos el transformador visual (ViT) en el campo de las imágenes médicas de OCT por primera vez y proponemos un enfoque basado en el aprendizaje profundo para la detección de lesiones del GSM. Específicamente, primero construimos un conjunto de datos de GSM para entrenar y evaluar el rendimiento del modelo experimental. El estudio tiene como objetivo proponer un método que combine la convolución nula con un clasificador de red generativa adversarial convolucional profunda para generar las muestras necesarias para el entrenamiento y así aliviar el obstáculo de tales problemas, en respuesta a ciertos problemas prácticos, como el desequilibrio de categorías que ocurren durante la recolección de datos. A continuación, los experimentos presentan ViT PLUS (ViT-P) para la tarea de clasificación de imágenes vaginales de OCT, que mejora efectivamente las deficiencias de ViT en la extracción de Patch Embedding utilizando una red neuronal convolucional de múltiples ramas combinada con un mecanismo de atención de canales. Las imágenes clínicas adquiridas por el dispositivo OCT se clasifican automáticamente en función del dispositivo OCT para reducir la carga médica de los ginecólogos. Los resultados experimentales muestran que el modelo ViT-P supera al modelo CNN y a ViT en la detección de casos en los conjuntos de datos GSM y UCSD, y la precisión puede alcanzar el 99.9% y el 99.69%, respectivamente.