一种有效和可理解的方法来检测和评估由于糖尿病并发症导致的视网膜损伤
Quang Toan Dao1, Hoang Quan Trinh2, Viet Anh Nguyen1
1Institute of Information Technology, Vietnam Academy of Science and Technology, Hanoi, Vietnam.
PeerJ. Computer science
|October 9, 2023
概括
这项研究引入了一个可解释的AI系统,用于评估糖尿病视网膜病变的阶段. 该模型准确地检测病变并解释疾病严重程度,改进了现有的诊断方法.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 糖尿病视网膜病变是全球视力丧失的主要原因.
- 目前用于糖尿病视网膜病变的深度学习模型在疾病严重程度评估中缺乏可解释性.
- 现有的方法往往无法解释疾病严重程度评估的基础.
研究的目的:
- 开发一个可解释的系统来评估和解释糖尿病视网膜病变的五个阶段.
- 增强自动糖尿病视网膜病变检测系统的诊断能力.
- 为糖尿病视网膜病变中疾病严重程度评估提供基础.
主要方法:
- 一个使用Mask R-CNN的深度学习模型来检测和分类病变 (出血性,排泄性,血管性).
- 根据病变特征和关联评估疾病严重程度的解释模型.
- 将病变检测和严重程度评估整合到一个统一的系统中.
主要成果:
- 拟议的系统在评估糖尿病视网膜病变的五个阶段时达到很高的准确性.
- 该系统的性能与最先进的方法相美.
- 该系统为评估的疾病严重程度提供了解释,详细说明了不同类型和病变特征的贡献.
结论:
- 开发的系统为糖尿病视网膜病变的分期提供了准确和可解释的方法.
- 人工智能诊断中的解释性对于临床信任和决策至关重要.
- 这项工作促进了糖尿病视网膜病变严重程度的自动检测和解释.
