EfficientNetB3アーキテクチャを使用した眼球画像ベースの眼疾患検出

科学分野:

• 眼科について
• コンピュータ科学
• 人工知能

背景:

• 網膜疾患の早期発見は 視力低下を防ぐために不可欠です
• fundus画像の手動診断は時間がかかり,エラーが起こりやすい.
• 診断の効率と正確さを向上させるために 自動化されたソリューションが必要です

研究 の 目的:

• 網膜疾患の自動分類のためのディープラーニングモデルを開発し評価する.
• 白内障,糖尿病性網膜症,緑内障,健康という 4つのカテゴリーに分けます.
• 様々な分類メトリクスを用いてモデルのパフォーマンスを評価する.

主な方法:

• 画像分類のために,事前に訓練されたEfficientNetB3アーキテクチャを使用した.
• 公共のカグル網膜画像データセットで モデルを微調整した
• 移転学習,データ増強,アダム・オプティマイザーとコサイン・アニリング・スケジューラを使用した.

主要な成果:

• 95.12%の高い分類精度を達成しました.
• 精度 (95.21%),リコール (94.88%),F1スコア (95.00%),ダイススコア (94.91%),ジャッカード指数 (91.2%),MCC (0.925) で高いパフォーマンスを示した.
• このモデルは4つの異なる網膜疾患を分類する際の強度を示した.

結論:

• 提案されたディープラーニングモデルは 網膜疾患の自動診断に 大きな可能性を秘めています
• この自動化されたシステムは 臨床的意思決定を支援し 患者の治療結果を改善します
• 臨床でのさらなる検証は,その有用性を確認するために正当化されています.