網膜底部画像の包括的な分析のためのディープラーニング:全身および眼疾患の検出

科学分野:

• 眼科と人工知能
• 医学画像分析
• 医療におけるディープラーニング

背景:

• 網膜は眼と全身の健康の重要な指標です
• 効率的な病気のスクリーニングとリスク評価のための高度なAI駆動のツールの必要性が増しています.
• 眼科の様々なデータセットで ディープニューラルネットワークのパフォーマンスを評価することは 臨床翻訳に不可欠です

研究 の 目的:

• ブラジルのマルチラベル眼科データセット (BRSET) で最先端の6つの深層神経ネットワークを包括的に評価する.
• 糖尿病,糖尿病性網膜病変,高血圧性網膜病変,ドルーゼン,性別を含む7つの異なる分類タスクでモデルのパフォーマンスを評価する.
• グラデーションベースの顕著な地図を用いたディープラーニングモデルの説明可能性を探求する.

主な方法:

• BRSETデータセットを使用し,複数の臨床的および人口学的注釈を含む16,266の fundus画像を使用しました.
• 7つの分類タスクでコンボリューションニューラルネットワークとビジョントランスフォーマーアーキテクチャを評価した.
• 性能評価のために精度,リコール,F1スコア,精度,曲線下の面積 (AUC) などのメトリックを使用した.

主要な成果:

• スウィン- Lモデルは,ほとんどのタスクで優れたパフォーマンスを示し,糖尿病,糖尿病性網膜病変 (第2級および第3級),高血圧,高血圧性網膜病変,ドルーゼン検出,および性別分類で高いAUCおよび加重F1スコアを達成しました.
• 評価されたモデルの有効性を強調し,診断性能は優れたものから優れたものまででした.
• グラデーションベースの突起度マップは,意思決定プロセスに関する洞察を提供し,関連する網膜の特徴を特定しました.

結論:

• ディープラーニングモデル,特に視力トランスフォーマーでは,網膜および全身疾患の正確で解釈可能なスクリーニングの大きな可能性を示しています.
• この発見は,眼科およびより広範な医療における臨床応用のためのAI駆動ツールの開発を支援します.
• この研究は, fundus 画像から病気の検出のための重要な特徴を特定する際に AI の臨床的有用性を強調しています.