在眼科中比较无代码和定制深度学习方法
Carolyn Yu Tung Wong1,2,3, Ciara O'Byrne1,2, Priyal Taribagil1,2
1Institute of Ophthalmology, University College London, 11-43 Bath St, London, EC1V 9EL, UK.
概括
无代码深度学习 (CFDL) 使临床医生能够在没有编码的情况下创建AI模型. 虽然对眼科任务有希望,但它的优势超过专家设计的深度学习 (DL) 需要具体的评估.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 医疗信息学 医疗信息学
背景情况:
- 无代码深度学习 (CFDL) 使缺乏编码技能的临床医生能够开发人工智能 (AI) 模型.
- 本综述探讨了CFDL与定制,专家开发的深度学习 (DL) 模型相比,CFDL的优势.
研究的目的:
- 在眼科中全面审查CFDL相对于定制DL的好处.
- 分析CFDL在糖尿病视网膜病变查,视网膜多种疾病分类,手术视频分类,眼科和资源管理中的应用.
主要方法:
- 在MEDLINE (PubMed) 进行了系统的文献搜索,查找"自动ML"和"眼科"的研究,直到2023年6月25日.
- 确定了5项CFDL研究和相应的定制DL研究进行比较分析,总共包括10项相关研究.
主要成果:
- 对于分析的眼科任务,研究通常倾向于CFDL而不是定制DL.
- 关于CFDL优势的讨论往往缺乏深度和适用性,需要对临床医生的意图,患者接受度和成本效益进行特定的背景评估.
结论:
- 对于没有深度学习专业知识的临床医生来说,CFDL促进了临床AI系统的原型设计.
- CFDL和定制DL模型提供互补的优势,最佳选择取决于具体任务,需要多维评估.


