RetinoDeep:高度な網膜症診断のためのディープラーニングモデルを活用する

科学分野:

• 眼科について
• コンピュータ科学
• 人工知能

背景:

• 糖尿病性網膜症 (DR) は,世界的に視力喪失の主な原因です.
• 手作業によるDRスクリーニングは 労働集約的で主観的で 専門家の不足に直面しています
• 拡張可能で客観的で解釈可能な自動診断ツールが必要です

研究 の 目的:

• ディープラーニングフレームワーク (RetinoDeep) を開発し,7つの重症度で自動化されたDR検出と分類を行う.
• 説明可能なAI (XAI) を使用してモデルの透明性と臨床信頼性を高める.
• DRスクリーニングシステムの精度,安定性,一般化を向上させる.

主な方法:

• 4つの新しいディープラーニングモデル:SPCLトランスフォーマーを搭載したEfficientNetB0,Bi-LSTMを搭載したResNet50,GA最適化されたBi-LSTM,SHAPで説明されたBi-LSTMを提案した.
• 757の拡張網膜底部画像でモデルを訓練し評価した.
• 精度,F1スコア,精度を使って 最先端のモデルと比較した.

主要な成果:

• 粒子群最適化 (PSO) で最適化されたBi-LSTMモデルは,優れた安定性と一般化を達成しました.
• SHAPの可視化では 学習した特徴が重要な網膜のバイオマーカーと一致し 解釈性を高めることが確認されました
• 提案されたモデルは,ベースラインと比較して診断性能の改善を示した.

結論:

• RetinoDeepのフレームワーク,特にPSOとSHAPのBi-LSTMは,自動化されたDRスクリーニングのための有望なアプローチを提供します.
• 先進的な最適化と説明可能なAIを統合することで 診断の正確性と臨床信頼性が向上します
• これらのシステムは,DRの管理を改善するために,現実世界の臨床ワークフローに統合される可能性があります.