提高可读性和检测与年龄相关的黄斑退化使用光学一致性断层成像:一种AI方法
Ahmad Alenezi1, Hamad Alhamad2, Ajit Brindhaban1
1Radiologic Sciences Department, Kuwait University, Jabriya 31470, Kuwait.
Bioengineering (Basel, Switzerland)
|April 27, 2024
概括
本研究介绍了一种集体人工智能 (AI) 模型,用于从光学连贯断层扫描 (OCT) 扫描中诊断与年龄相关的黄斑变性 (AMD). 与个人AI架构相比,整体AI模型显著提高了诊断准确性.
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:
- 人工智能 (AI) 在医学诊断方面表现有前途.
- 光学连贯断层扫描 (OCT) 对于分析视网膜状况至关重要.
- 准确诊断与年龄相关的黄斑变性 (AMD) 对患者的结果至关重要.
研究的目的:
- 通过使用OCT图像来评估用于诊断AMD阶段的集体AI模型.
- 将整体AI模型的性能与个人AI架构 (ResNet,EfficientNet,Attention) 的性能进行比较.
- 为了证明加权聚变在结合人工智能模型预测中的有效性.
主要方法:
- 为了培训和验证,使用了Noor数据集 (16,822张OCT图像).
- 开发了一种集体AI模型,采用预测概率的加权融合.
- 通过使用标准指标 (精度,回忆,F1分数,ROC曲线) 将整体模型的性能与ResNet,EfficientNet和Attention模型进行了比较.
主要成果:
- 与个人模型相比,集体AI模型在分类AMD阶段方面取得了更高的准确性 (91.88%).
- 集合模型的性能指标包括92.54%的精度,92.01%的回忆率和92.03%的F1得分.
- 对错误分类的案例的改进使模型的准确性提高到97%.
结论:
- 带有可训练重量的集体AI模型为诊断视网膜疾病 (如AMD) 提供了更高的准确性.
- 模型融合对眼科复杂的医学图像分析有好处.
- 人工智能为改善眼科诊断能力提供了一个有价值的工具.
