视觉转换器和卷积神经网络的多数据集比较,用于从 Fundus 照片中检测光眼神经病变

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:

• 玻璃眼光神经病 (GON) 诊断依赖于 fundus 摄影,但早期检测仍然具有挑战性.
• 眼科疾病的自动查使用深度学习,但CNN和ViT模型之间的比较有限.
• 玻璃眼是全球不可逆转失明的主要原因,需要改进的诊断工具.

研究的目的:

• 为了比较视觉变压器 (ViT) 和卷积神经网络 (CNN) 模型在使用 fundus 照片检测 GON 的性能.
• 在不同的临床环境中确定ViT和CNN模型的优缺点.
• 评估ViT和CNN模型在多个数据集中的通用性.

主要方法:

• 在六个不同的,公开可用的 fundus 图像数据集上训练了可比的 ViT 和 CNN 模型.
• 使用标准指标评估模型性能:曲线下的面积 (AUC),灵敏度和特异性.
• 进行了ViT和CNN架构的并排比较.

主要成果:

• 在GON检测方面,ViT模型通常优于类似训练有素的CNN模型.
• ViT模型表现出卓越的性能,特别是当数据集过度代表了非光眼图像时.
• 在不同的数据集中观察到性能变化,突出显示了模型通用性的重要性.

结论:

• ViT模型为从 fundus 图像中准确且可扩展的 GON 检测提供了有希望的进步.
• 这些发现表明,ViT有潜力改善早期查和预防与玻璃眼相关的失明.
• 进一步的研究应该探索ViT在各种眼科环境中的临床实用性.