使用深度学习,用于选早产婴儿视网膜病变严重程度的可解释系统
Wenhan Yang1, Hao Zhou1, Yun Zhang1
1State Key Laboratory of Ophthalmology, Guangdong Provincial Key Laboratory of Ophthalmology and Visual Science, Zhongshan Ophthalmic Center, Sun Yat-sen University, Guangzhou 510060, China.
Bioengineering (Basel, Switzerland)
|August 29, 2024
概括
这项研究开发了一个可解释的AI系统,通过模仿临床指南来准确评估早产性视网膜病变 (ROP) 的严重程度. 人工智能显示出在临床实践中改善ROP查和治疗的潜力.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 准确的早产视网膜病变 (ROP) 严重程度评估对于及时查和治疗至关重要.
- 目前用于ROP的深度学习AI系统缺乏可解释性,并且不遵守临床指南.
研究的目的:
- 开发一种可解释的人工智能系统,模仿临床查过程来确定ROP的严重程度.
- 提高基于AI的ROP评估工具的透明度和临床相关性.
主要方法:
- 从两个医院收集了6100张RetCam广场视网膜图像.
- 训练了一个物体检测模型来识别ROP损伤类型和位置.
- 综合阶段,区域和疾病加分类,按照临床指导方针将其整合到一个可解释的AI系统中.
主要成果:
- 可解释的AI系统在ROP严重性评估中获得了0.95的AUC.
- 与人类专家评估相比,人工智能系统的F1得分最高为0.76.
- 该系统成功地根据检测到的病变提供了ROP阶段,区域和加病状况.
结论:
- 成功开发了一个可解释的AI系统用于ROP严重性评估.
- 人工智能系统模仿临床查过程,提供透明度和遵守指南.
- 这种可解释的AI显示出在ROP查和管理中临床应用的巨大潜力.
