对眼科深度学习方法进行比较评估
Glenn Linde1, Waldir Rodrigues de Souza2,3, Renoh Chalakkal4
1oDocs Eye Care Research, Dunedin, New Zealand.
Scientific reports
|September 18, 2024
概括
眼科中的人工智能 (AI) 利用机器学习模型进行图像分析. 本综述指导研究人员在眼科成像任务中选择最佳的人工智能数据集组合.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 机器学习 机器学习
- 医疗成像医学成像
背景情况:
- 眼科成像数据集和开源机器学习代码的可用性越来越大,这有助于人工智能研究.
- 人工智能和成像技术的进步需要为特定的眼科任务仔细选择合适的AI架构.
研究的目的:
- 讨论和提出最佳的机器学习模型和深度学习架构用于眼科成像任务.
- 根据准确性,培训时间,可部署性,可解释性和适应性来评估AI-数据集组合.
主要方法:
- 对眼科最先进的人工智能方法进行了广泛的审查.
- 培训和评估各种AI架构,使用多种公共和私人眼科图像数据集 (视网膜,OCT,3DOCT).
主要成果:
- 在各种眼科成像模式中比较不同的AI模型和深度学习架构.
- 评估人工智能性能和可行性,考虑超出准确度的因素,如计算效率和可解释性.
结论:
- 最优的AI-数据集组合是取决于任务和数据.
- 本综述提供了选择适当的人工智能工具的见解,以促进眼科研究和临床实践.
