计算机视觉识别形炎炎症 - 毛囊使用深度学习
Ashlin S Joye1,2, Marissa G Firlie3, Dionna M Wittberg2
1Casey Eye Institute, Oregon Health and Science University, Portland, OR.
Cornea
|September 23, 2024
概括
机器学习模型从眼睛图像中准确地检测出气管瘤炎症-毛囊 (TF),为全球健康调查提供了可靠且具有成本效益的替代品.
科学领域:
- 眼科医生 眼科 眼科
- 公共卫生 公共卫生
- 人工智能的人工智能
背景情况:
- 气管瘤调查对于估计疾病患病率和指导抗生素分配至关重要.
- 目前的方法依赖于人为分级器,这些分级器资源密集,容易出现错误.
研究的目的:
- 开发和评估用于自动化气管瘤分级的机器学习模型.
- 降低成本,提高气管瘤查调查的可靠性.
主要方法:
- 一个深层卷积神经网络 (MobileNetV3大) 经过训练,使用了来自0-9岁的埃塞俄比亚儿童的56,725张眼照片.
- 根据三个专家评级小组的中位数估计,确定了基本真相.
主要成果:
- 该模型实现了高性能,接收器操作特征曲线下的面积为0.943,F1得分为0.923,准确度为88%,灵敏度为83%,特异性为91%.
- 预测的TF患病率 (32%) 与人类共识估计 (30%) 非常接近.
结论:
- 深层卷积神经网络模型在从结节图像分类气管瘤炎症-毛囊 (TF) 和毛囊数量方面表现强.
- 这些模型显示了准确,高效和大规模的气管瘤查的潜力.
- 在广泛实施之前,建议在不同人群中进一步验证.
