A Hybrid OCTA Framework Integrating Quantitative Handcrafted Biomarkers and Deep Learning for Automated Diabetic Retinopathy Grading
Questo studio presenta un framework ibrido OCTA che combina biomarcatori artigianali con caratteristiche di deep learning e una selezione guidata dalla stabilità per ottenere una classificazione automatizzata, robusta e ad alta precisione della retinopatia diabetica, con il modello con le migliori prestazioni (ViT-B16 + caratteristiche artigianali + XGBoost) che raggiunge un AUC di 0,95.