CHIASM-Net:基于人工智能的直接识别在白化症中喘异常
Robert J Puzniak1,2, Gokulraj T Prabhakaran1, Rebecca J McLean3
1Visual Processing Lab, Department of Ophthalmology, Otto-von-Guericke-University, Magdeburg, Germany.
Investigative ophthalmology & visual science
|October 10, 2023
概括
卷积神经网络 (CNN) 可以从MRI扫描中检测出与白化相关的光学瘤形. 这种人工智能工具,CHIASM-Net,显示出改善白化患者诊断的希望.
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:
- 白化是一种先天性疾病,影响视力和色素.
- 光学的解剖学变化是白化症的特征.
- 准确的诊断对于管理白痴的视力障碍至关重要.
研究的目的:
- 评估卷积神经网络 (CNN) 在识别白化症视觉形形的有效性.
- 开发和测试一个专门的CNN模型,CHIASM-Net,用于使用脑MRI检测白化.
- 探索AI在诊断与白化相关的视觉通路异常方面的潜力.
主要方法:
- 一个CNN模型,CHIASM-Net,被开发和训练在磁共振 (MR) 图像从1708个控制和32个阿尔比尼斯 (PWA) 个体.
- 该模型使用8倍交叉验证进行了评估,在持有数据集上评估了准确性,精度,回忆和F1分数.
- 使用可解释的人工智能 (XAI) 方法来理解模型的决策过程,重点关注影响预测的图像区域.
主要成果:
- CHIASM-Net的准确度为85 ± 14%,精度为90 ± 14%,回忆率为81 ± 18%.
- XAI的分析证实,CHIASM-Net利用光学和光学通道的相关区域进行预测.
- 该模型证明了有效地识别出标志着白化症的发育不良.
结论:
- CHIASM-Net成功地利用光学的关键解剖特征来检测大脑MRI中的白化.
- 基于CNN的方法显示出有很大的潜力,可以促进视觉路径分析和白化症的诊断能力.
- 这项研究强调了AI在识别眼科临床应用的微妙解剖变化的实用性.
