相关实验视频
Updated: Jun 23, 2025
09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
21.6K
在视网膜图像中检测异常和生物标志物的定位
Liran Tiosano1, Ron Abutbul2, Rivkah Lender1
1Department of Ophthalmology, Hadassah-Hebrew University Medical Center, Hadassah School of Medicine, Hebrew University, Jerusalem 9574409, Israel.
Journal of clinical medicine
|June 19, 2024
概括
人工智能有效地检测和定位视网膜光学连贯性断层扫描 (OCT) 扫描中的异常. 这种方法对早期疾病检测和开发新的诊断生物标志物充满希望.
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:
- 视网膜疾病带来了重大的诊断挑战.
- 光学连贯断层扫描 (OCT) 提供了视网膜的高分辨率横截面图像.
- 开发用于在OCT扫描中检测异常的自动化方法对于及时诊断至关重要.
研究的目的:
- 开发和评估新的人工智能 (AI) 框架,用于在视网膜OCT扫描中检测和定位异常.
- 评估自我监督学习框架的可通用性,用于识别各种视网膜病理.
- 探索AI在发现视网膜疾病的新生物标志物的潜力.
主要方法:
- 利用了四个先进的自我监督学习框架,并预先训练了卷积神经网络 (CNN) 骨架.
- 应用框架对公开可用的 (Kaggle) 和本地高分辨率视网膜CTCT扫描的综合数据集.
- 评估异常探测器使用诸如接收器运行特征曲线 (ROC-AUC) 下面面积,F1得分和准确度等指标.
主要成果:
- 在超过25,000次的OCT扫描中接受过培训,在测试和验证套件上取得了高性能.
- 性能最好的框架实现了0.99的ROC-AUC,显示出出色的检测能力.
- 生成的热图成功地局部化了异常区域,与胆管新血管化 (CNV) 和糖尿病黄斑 (DME) 等病理相关.
结论:
- 预训练的特征提取器使人工智能框架能够有效地对视网膜OCT数据进行概括.
- 开发的框架在检测和定位视网膜异常方面具有很高的准确性.
- 这些人工智能工具有可能用于临床决策支持,自动查和发现新的诊断生物标志物.
