CAD-EYE:使用特征融合与深度学习模型和光成像进行增强可解释性的多眼疾病分类的自动化系统

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:

• 糖尿病视网膜病变,高血压视网膜病变,青光眼和与对比相关的眼睛疾病是视力障碍的重要原因.
• 早期发现这些疾病对于预防视觉神经损伤和失明等严重后果至关重要.
• 深度学习和人工智能为提高早期眼病诊断的准确性和效率提供了有希望的途径.

研究的目的:

• 引入CAD-EYE,这是一种基于人工智能的新方法,用于分类糖尿病视网膜病变,高血压视网膜病变,青光眼和与对比相关的眼睛问题.
• 通过先进的功能融合和图像处理技术来提高诊断准确性和效率.

主要方法:

• 该CAD-EYE系统采用来自两个深度学习模型的功能融合,即MobileNet和EfficientNet,以提高诊断性能.
• 光成像被集成为图像处理算法,以提高准确性和提供可解释性.
• 该系统使用来自知名在线平台的65,871张基金图像的大数据集进行训练.

主要成果:

• 在识别各种眼部疾病时,CAD-EYE系统取得了惊人的98%的分类准确度.
• 对比分析证实,CAD-EYE的表现优于ResNet,GoogLeNet,VGGNet,InceptionV3和Xception.com等已知模型.
• 结果表明,与文献中现有的最先进方法相比,性能优越.

结论:

• 这些发现验证了CAD-EYE作为医疗专业人员在识别眼睛疾病方面的有价值的诊断工具.
• 虽然CAD-EYE在诊断方面有很大的帮助,但它的目的是增加,而不是取代眼科医生的专业知识.
• 这项研究强调了人工智能在彻底改变眼科诊断和患者护理方面的潜力.