基于深度学习的光盘分类受光盘倾斜的影响
Youngwoo Nam1,2, Joonhyoung Kim3, Kyunga Kim2,4,5
1Medical AI Research Center, Institute of Smart Healthcare, Samsung Medical Center, Seoul, Republic of Korea.
Scientific reports
|January 4, 2024
概括
光盘倾斜显著影响深度学习对光盘外观的分类准确性. 在非倾斜磁盘上训练的模型表现更好,突出了需要在AI开发中考虑倾斜的必要性.
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:
- 深度学习模型越来越多地用于 fundus 图像中的光盘分析.
- 光盘倾斜是一种常见的解剖变异,可能会影响分类性能.
研究的目的:
- 评估光盘倾斜对基于深度学习的光盘分类准确性的影响.
- 为了比较在倾斜与非倾斜光盘数据集上训练的深度学习模型的性能.
主要方法:
- 利用了来自1809名受试者的2507张 fundus照片的数据集,其中40.3%的受试者表现出倾斜的光盘.
- 对正常和病态光盘变化的注释图像 (眼球瘤,胀,白).
- 开发和比较深度学习分类模型 (VGG16,VGG19,DenseNet121) 使用所有学科,并分别用于倾斜和非倾斜的盘组.
主要成果:
- 在所有测试的算法中,与倾斜的磁盘相比,在非倾斜的磁盘上训练时,分类模型显示出更高的性能 (更高的AUC).
- 使用非倾斜光盘数据开发的模型实现了更好的灵敏度和特异性,用于分类光盘病理.
- 在整个数据集上训练的模型显示,对倾斜光盘的受试者来说,准确性降低了.
结论:
- 光盘倾斜是一个关键因素,它会对基于深度学习的光盘分类的性能产生负面影响.
- 光盘分类算法的未来发展需要方法来识别和调整光盘倾斜的影响.
