基于OCT的深度学习模型用于识别视网膜关键标志
Inferrera Leandro1, Borsatti Lorenzo2, Miladinovic Aleksandar3
1Department of Medicine, Surgery and Health Sciences, Eye Clinic, Ophthalmology Clinic, University of Trieste, Piazza Dell'Ospitale 1, 34125, Trieste, Italy. leandro.inferrera@units.it.
Scientific reports
|September 5, 2023
概括
一个新的深度学习系统准确地从光学连贯断层扫描 (OCT) 图像中识别视网膜异常. 这种人工智能工具有助于眼科医生诊断眼部疾病,改善患者护理.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 从光学连贯断层扫描 (OCT) 图像中准确检测视网膜异常对于临床实践和患者诊断至关重要.
- 当前的诊断方法可能耗时,需要专门的专业知识.
研究的目的:
- 开发和评估一种新的深度学习 (DL) 系统,用于识别OCT图像中的特定视网膜异常迹象.
- 评估系统在区分健康视网膜和病态状况以及识别各种视网膜疾病方面的准确性.
主要方法:
- 使用具有视觉几何组16架构的二进制卷积神经网络.
- 开发了9个模型,训练了10770个中央叶横截面的OCT图像,这些图像是从2017年到2022年回顾收集的.
- 图像被两个视网膜专家标记,以确定健康的视网膜和八个不同的视网膜异常迹象.
主要成果:
- 在识别健康的视网膜和特定的病理征兆方面,DL系统实现了高准确率,从93%到99%不等.
- 这些模型显示出在高精度分类视网膜疾病方面具有重大潜力.
- 这种方法减少了数据集创建时间,突出了DL在医学图像分析中的效率.
结论:
- 开发的深度学习系统是眼科医生的宝贵诊断辅助工具.
- 这种由人工智能驱动的工具可以提高眼部病理学诊断和临床决策的准确性和效率.
- 这项研究强调了DL模型在眼科中增强患者护理的潜力.
