开发一种生成型深度学习模型,以改善 fundus 摄影中的视网膜膜检测
Joon Yul Choi1, Ik Hee Ryu2,3, Jin Kuk Kim2,3
1Department of Biomedical Engineering, Yonsei University, Wonju, South Korea.
BMC medical informatics and decision making
|January 25, 2024
概括
这项研究开发了一种生成的深度学习模型,以使用彩色基底摄影 (CFP) 改进对视网膜 (ERM) 的检测. 该模型在检测ERM方面取得了很高的准确性,提高了选能力.
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:
- 视网膜外膜 (ERM) 是一种常见的视网膜疾病,在早期往往无症状,需要改进查方法.
- 很少有深度学习研究集中在彩色基底摄影 (CFP) 中的ERM检测上.
- 生成型模型提供了一个潜在的解决方案,以提高CFP中的ERM检测.
研究的目的:
- 开发和验证一个生成的深度学习模型,用于在CFP中准确地检测ERM.
- 使用基于StyleGAN2的增强来提高ERM检测性能.
- 为应对ERM检测医疗成像有限数据的挑战.
主要方法:
- 追溯收集了302个ERM和1,250个健康的CFP数据集.
- 在单中心数据上训练一个StyleGAN2生成模型.
- 在独立的内部和外部数据集上验证一个EfficientNetB0模型与StyleGAN2增强.
主要成果:
- StyleGAN2生成了具有ERM功能的真实CFP图像.
- 带有StyleGAN2增强的拟议模型显著优于没有增强的模型.
- 获得的高AUC:0.926 (内部验证),0.951和0.914 (外部验证).
结论:
- 提出了一个新的深度学习框架,使用生成模型用于CFP中的ERM检测.
- 该模型有效地将现实的CFP图像与ERM病理综合起来.
- 这种方法提高了ERM检测准确度,特别是在有限的数据场景中.
