Myopic-Net: ディープラーニングベースの近視の発症と進行の直接識別

科学分野:

• 眼科について
• 医療用イメージング
• 人工知能

背景:

• 近視の発症と進行 (MOP) のモニタリングは,臨床応用において極めて重要です.
• MOPの検出は, fundus retinal画像の解剖学的変化を分析することに依存しています.
• ディープニューラルネットワーク (DNN) は,自動化された分析のための有望なアプローチを提供します.

研究 の 目的:

• MOPの特定と監視におけるDNNのパフォーマンスを評価する.
• 網膜画像からMOPを検出するためのDNNモデルを開発し,検証する.

主な方法:

• Myopic-Netと呼ばれるDNNは6344の fundus画像ペア (3964はMOPなし,2380はMOP) を使用して開発されました.
• モデルの性能は,内部および外部テストセットで精度,リコール,特異性,F1スコアを使用して評価されました.
• 予測ドライバーを理解するために ディープ・ネットワーク・ビジュアライゼーションが採用されました

主要な成果:

• Myopic- Netは内部テストセットで87. 3%の精度を達成し,人間の眼科医 (66. 1%と73. 5%) を上回りました.
• このモデルは,独立した外部テストセットで84.1%の精度を維持した.
• 主な予測要因は,光学ディスクと周囲の領域の解剖学的変化でした.

結論:

• Myopic-Netは,光盤の変化を分析することで, fundus画像からMOPを効果的に識別します.
• このモデルは高い精度,信頼性,一般化能力を示しています.
• DNNは, fundus画像分析を使用してMOPのモニタリングと診断のための重要な可能性を示しています.