微调SSL模型,以提高在彩色底部图像上的状动脉检测
Warnes Gobalakrishnan1, Julian Zimmermann2, Michael Storck1
1Institute of Medical Informatics, University of Münster, Germany.
Studies in health technology and informatics
|August 23, 2024
概括
这项研究引入了一种深度学习方法,用于在视网膜图像中自动检测状动脉 (CRA). 这种方法显示了有效的CRA识别与最小的专家标签的承诺.
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:
- 状动脉 (CRA) 是视网膜血管系统中常见的先天性异常.
- 精确检测CRA对于诊断各种眼科疾病至关重要.
研究的目的:
- 开发和评估一种深度学习模型,用于从色底图像中自动检测CRA.
- 评估微调预训练的视觉变压器模型对此特定任务的有效性.
主要方法:
- 使用视觉变压器架构,微调RETFound预训练模型.
- 通过数据增强和自我监督学习,将85张图像的初始数据集扩展到170张.
- 实施焦点损失和早期停止,以管理数据集不平衡并防止过拟合.
- 使用70-30培训验证分割评估模型性能.
主要成果:
- 微调的模型证明了有效的CRA的自动检测.
- 即使使用有限数量的培训数据,也取得了有希望的结果.
- 这种方法突显了眼科基础模型的潜力.
结论:
- 深度学习,特别是微调的基础模型,可以显著提高CRA检测.
- 这种方法减少了由视网膜专家进行广泛的手动标签的需要.
- 自动化CRA检测提供了一个更有效的诊断途径.
