开发和验证一个卷积神经网络,以识别白光
Cristina Abascal Azanza1, Jesús Barrio-Barrio2,3, Jaime Ramos Cejudo4
1Department of Ophthalmology, Navarra Institute for Health Research (IdiSNA), Clínica Universidad de Navarra, Av. de Pío XII, 36, 31008, Pamplona, Navarra, Spain.
Scientific reports
|October 16, 2023
概括
一个新的深度学习模型可以使用现实的图像来检测白光 (垂落的眼),与人类专家相似. 这一进步有望改善视力损失诊断的远程医疗.
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:
- 白导致可逆视力丧失,并可能表明严重的神经疾病.
- 目前的诊断依赖于手动检查,人工智能工具通常需要专门的设置.
- 目前用于白血病的AI通常集中在理想条件下的眼位置上.
研究的目的:
- 开发和评估一个深度学习模型,以使用现实的眼睛图像来检测白血.
- 评估模型在各种条件下对人类专家诊断的性能.
- 探索人工智能在增强远程医疗中的潜力,用于白血病查.
主要方法:
- 一个卷积神经网络 (CNN) 深度学习模型被训练在高质量的周期图像上.
- 该数据集包括患有白血病和其他眼疾病的患者的图像.
- 模型的性能与九名医学专家进行了验证,并对各种图像质量数据集进行了测试.
主要成果:
- 深度学习模型实现了接收器操作特征曲线 (AUC) 下的面积为0.918.8.
- 模型的表现在统计学上与人类专家评分器相当,即使图像质量不同.
- 人工智能在现实,非专业化的环境中展示了强大的检测能力.
结论:
- 深度学习模型可以在现实条件下有效检测白性亡.
- 由人工智能驱动的工具显示出提高眼病远程医疗准确性和可访问性的巨大潜力.
- 这项技术可以帮助早期检测和治疗白血病,减少视力丧失.
