相关实验视频
Updated: Apr 15, 2026
05:51
Smartphone Fundus Photography
Published on: July 6, 2017
38.9K
胸部:视网膜底部照片的巴西多标签眼科数据集
Luis Filipe Nakayama1,2, David Restrepo2,3, João Matos2,4
1Department of Ophthalmology, São Paulo Federal University, São Paulo, São Paulo, Brazil.
PLOS digital health
|July 11, 2024
概括
巴西多标签眼科数据集 (BRSET) 是眼科人工智能的新资源,包含16266张视网膜图像. 这一数据集有助于提高AI模型在不同患者群体的公平性和性能.
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:
- 巴西多标签眼科数据集 (BRSET) 是为了解决拉丁美洲缺乏大规模,公开可用的眼科数据集而创建的.
- BRSET包含来自8,524名巴西患者的16266张彩色 fundus视网膜图像,增强了人工智能研究的数据代表性.
- 该数据集包括社会人口统计信息,促进对不同人口群体的差异性AI模型性能研究.
研究的目的:
- 引入巴西多标签眼科数据集 (BRSET) 作为拉丁美洲眼科研究和教育的新资源.
- 通过使用代表性数据集,对不同人口群体的AI模型偏差和性能变化进行调查.
- 作为一个有价值的工具,用当地相关的数据来教授医疗计算机视觉.
主要方法:
- 从三家圣保罗门诊中心收集数据,包括患者人口统计和病史.
- 视网膜图像被专家精心标记为解剖特征,图像质量和糖尿病视网膜病变等病理.
- 一个ConvNext模型在BRSET上使用加权交叉损耗进行训练和验证,通过AUC和宏F1得分评估性能.
主要成果:
- BRSET包括来自佳能CR2 (65.1%) 和尼康NF5050 (34.9%) 设备的图像,61.8%的患者是女性,平均年龄为57.6岁.
- 糖尿病视网膜病变存在于15.8%的患者中,严重程度各不相同.
- ConvNext V2模型在预测任务中实现了高性能:二元糖尿病视网膜病变 (AUC: 97,F1: 89),三级糖尿病视网膜病变 (AUC: 97,F1: 82),糖尿病诊断 (AUC: 91,F1: 83),以及性别分类 (AUC: 87,F1: 70).
结论:
- BRSET是巴西和拉丁美洲先进的多标签眼科数据集,对于推进医疗保健中的AI至关重要.
- 数据集提供了一个独特的机会,通过分析不同人口群体的表现来调查和减轻AI模型偏见.
- 展示的模型性能突显了BRSET在拉丁美洲对外部验证和医疗计算机视觉教育的实用性.
