可解释的人工智能用于视网膜血管扭曲的自动评估

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:

• 视网膜血管扭曲,视网膜血管的异常曲,与各种健康问题有关.
• 准确评估扭曲度对于诊断和监测这些情况至关重要.

研究的目的:

• 引入一种新型的自动化方法,用于从彩色 fundus 图像中评估视网膜血管扭曲性.
• 开发一个系统,考虑解剖学因素,并提供可解释的结果.

主要方法:

• 利用深度神经网络进行可靠的视网膜解剖结构提取.
• 采用进化计算来优化整合解剖因素的权重系数.
• 集成的视觉表示,以解释个体船只对曲率预测的贡献.

主要成果:

• 与现有的自动化方法相比,拟议的方法获得了更高的性能.
• 该系统的性能与评估视网膜血管扭曲性的临床专家的性能相当.
• 视觉解释增强了对模型决策过程的理解.

结论:

• 开发的自动化方法是评估视网膜血管扭曲性的可行替代方案.
• 这种工具可能有助于临床应用曲性作为生物标志物.
• 这些发现支持在医学研究和实践中使用这种技术.