共计 663 个字符，预计需要花费 2 分钟才能阅读完成。
糖尿病视网膜病变（DR）是全球范围内导致视力丧失的首要原因之一，其早期发现与精准诊断对于实施有效干预至关重要。当前，尽管传统机器学习与深度学习方法已取得一定成效，但这些技术通常存在解释性不足、决策过程僵化，以及在多样化的患者数据上泛化能力有限等挑战。
为此，本研究提出了一种名为 AADR-AI 的智能体人工智能驱动框架，专门用于糖尿病视网膜病变的分析。该框架通过引入基于智能体的学习机制，显著提升了系统在处理视网膜眼底图像时的自主决策能力、动态适应性以及对临床上下文的理解。其核心创新在于，将智能体智能的三大原则——自主性、反应性与主动性——有机整合到 DR 检测系统中，使得系统能够依据患者个体差异进行实时分析，并实现自适应的特征学习。
- 
- 
- 
- 
具体而言，AADR-AI 框架融合了一个由卷积神经网络和 Transformer 网络构成的多智能体集成系统，并通过一个决策融合层进行协调，从而确保了分类的稳健性。该框架的主要贡献体现在三个方面：将分类准确率提升至 96.7%；通过优化计算流程降低了资源开销，增强了模型效率；实现了对不同图像质量及疾病进展阶段的实时适应能力。
在多个基准数据集上进行的大量实验表明，该方法在性能上超越了现有的先进技术。本研究凸显了智能体人工智能在医学影像分析领域的变革性潜力，为开发更具自主性与可解释性的临床决策支持系统奠定了重要基础。
本研究所使用的数据可通过以下公开链接获取：https://www.kaggle.com/competitions/diabetic-retinopathy-detection/data。
