網膜画像における硝子体出血の精密局在化のための強度認識型ビジョン・トランスフォーマー・フレームワーク

科学分野:

• 眼科学
• 医用画像
• 人工知能

背景:

• 硝子体出血の診断は、画像の限界により重要であるが困難です。
• 従来の検出方法は、出血検出における精度と信頼性が欠けています。
• 硝子体出血検出を改善するためには、高度な技術が必要です。

研究 の 目的:

• 網膜画像における硝子体出血の精密検出のための高度なAIモデルを開発すること。
• 出血検出における従来の限界を克服すること。
• 診断精度と患者の転帰を向上させること。

主な方法:

• ビジョン・トランスフォーマー技術を用いた特徴強度ビジョン・トランスフォーマー（FIVT）モデルを開発しました。
• モデルは画像を前処理し、パッチを抽出し、GLCMを介して特徴強度を推定し、ビジョン・トランスフォーマーを使用して分類します。
• トレーニングには、高強度領域に焦点を当てた大規模な網膜画像データセットを使用しました。

主要な成果:

• FIVTモデルは既存の手法と比較して優れた性能を示しました。
• 検出精度で12.13%の向上を達成しました。
• 特異性で12.55%、感度で12.32%の向上を示しました。

結論:

• FIVTモデルは、照明と強度の変動を処理しながら、硝子体出血を効果的に検出します。
• より大きなデータセットと3Dデータ統合により、さらなる向上が可能です。
• 今後の研究には、臨床的検証と他の網膜疾患への適応が含まれます。