人工智能在 fundus 图像的分类和细分中使用状
R Trafford Crump1, Emad Mohammed2, Mehregan Biglarbeiki3
1Cumming School of Medicine, University of Calgary, Calgary, AB; Schulich School of Engineering, University of Calgary, Calgary, AB.
概括
人工智能模型可以在彩色底部图像中有效地分类和细分胸腔. 这项研究表明,使用人工智能来识别这些眼部疾病的可行性.
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:
- 胸腔内是眼睛常见的良性瘤.
- 这些病变的准确分类和细分对于监测和诊断至关重要.
- 目前的方法可能耗时或需要专门的专业知识.
研究的目的:
- 评估人工智能 (AI) 模型在对胆道瘤的色底图像进行分类和细分方面的性能.
- 为了比较不同的人工智能模型架构和这种特定任务的方法.
- 确定人工智能在识别胸腔瘤方面的可行性.
主要方法:
- 来自阿尔伯塔眼科支臂治疗计划的591张标记的色底图像的二次分析.
- 实验研究1:评估四个预训练的卷积神经网络 (CNN) 模型 (ResNet 50,VGG-19,VGG-16,AlexNet) 用于图像分类.
- 实验研究2:对图像分类的三种基于补丁的模型进行比较.
- 实验研究3:开发和评估四个CNN模型,使用IoU和Dice的测量来进行图像细分.
主要成果:
- 在研究1中,VGG-16在准确性,AUC和回忆等方面表现出强的表现.
- 在研究2中,基于补丁的增强方法在图像分类方面表现优于其他模型.
- 基于投票的Ensemble模型在研究3中在细分 nevi方面取得了很好的结果.
结论:
- 人工智能模型可以成功地被训练,以识别彩色 fundus 图像中的冠状.
- 不同的人工智能方法对分类和细分任务都很有前途.
- 这项研究支持AI作为眼科诊断工具的潜力.
