发现白内障的进步:LeNet-卷积神经网络模型的系统发展
Thittaporn Ganokratanaa1, Mahasak Ketcham2, Patiyuth Pramkeaw3
1Applied Computer Science Programme, King Mongkut's University of Technology Thonburi, Bangkok 10140, Thailand.
Journal of imaging
|October 27, 2023
概括
这项研究引入了一种新的AI工具,用于使用智能手机图像早期检测白内障. LeNet-CNN模型达到96%的准确性,使得对这种导致失明的主要原因进行更快的查和治疗.
科学领域:
- 眼科医生 眼科 眼科
- 计算机科学 计算机科学
- 医疗成像医学成像
背景情况:
- 白内障是全球和泰国盲目的主要原因之一.
- 延迟患者寻求治疗是有效管理白内障的重要障碍.
- 目前的查方法可能不易获得或不便于早期检测.
研究的目的:
- 开发和评估基于人工智能的系统,用于初步识别白内障异常.
- 为了比较LeNet-卷积神经网络 (LeNet-CNN) 与支持矢量机器 (SVM) 的性能,用于白内障分类.
- 创建一个可访问的,自我管理的眼睛健康评估工具.
主要方法:
- 利用图像处理技术和机器学习来检测白内障.
- 在数码相机图像的数据集上训练了一个LeNet-CNN模型.
- 将LeNet-CNN性能与支持矢量机 (SVM) 模型进行比较.
主要成果:
- LeNet-CNN模型在识别白内障异常方面达到96%的准确性.
- 对阳性病例的敏感度为95%,对阴性病例的特异性为96%.
- 莱恩特-CNN的性能超过了之前的研究,证明了高准确性和有效性.
结论:
- 拟议的LeNet-CNN方法为初始白内障查提供了一个准确和有效的工具.
- 图像处理和卷积神经网络可以显著提高初步白内障评估.
- 这项技术促进了早期干预,使患者能够进行自我评估,改善了获得及时医疗护理的机会.
