基于深度学习的彩色底部摄影的精细图像质量评估
Tianjiao Guo1,2,3, Kun Liu4,5,6, Haidong Zou4,5,6
1Institute of Medical Robotics, Shanghai Jiao Tong University, China.
Digital health
|March 1, 2024
概括
本研究介绍了一种深度学习模块,用于自动化彩色基底摄影图像质量评估. 该模块通过多个标准准确评估图像质量,确保可靠的眼睛疾病诊断.
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:
- 彩色眼底摄影对于诊断眼睛疾病至关重要.
- 图像质量显著影响诊断的准确性.
- 需要自动化质量评估来提高可靠性.
研究的目的:
- 开发一个自动化的深度学习模块,用于颜色底部摄影图像质量评估.
- 提高图像质量评估的准确性和客观性.
- 提高眼科诊断过程的可靠性.
主要方法:
- 收集并注释了55,931张彩色基底图像.
- 开发了一个多任务的深度神经网络,用于质量评估.
- 集成的辅助任务,如视神经头部定位和视野分类.
- 通过使用各种指标,在内部和外部验证该模块.
主要成果:
- 在接收器运行特征曲线 (0.917-0.991) 下实现高面积,用于子类别 (位置,清晰度,人工物).
- 整体准确度在内部达到88.15%,在外部达到86.63%.
- 平方加权的卡帕值在内部为89.70%,在外部为88.55%.
- 模块在内部和外部验证套件上表现出强的性能.
结论:
- 开发的深度学习模块有效地评估了彩色底部摄影的图像质量.
- 该模块使用详细的子类别和分级标准进行精确的评估.
- 有希望的验证结果突出显示了该模块在临床使用中的强度和通用性.
