使用RETFound在视网膜OCT扫描上检测疾病特征
Katherine Du1, Atharv Ramesh Nair2, Stavan Shah1
1Department of Ophthalmology, University of Pittsburgh Medical Center, Pittsburgh, PA 15219, USA.
Bioengineering (Basel, Switzerland)
|January 8, 2025
概括
一个新的AI模型,RETFound,自动化了视网膜光连贯断层扫描 (OCT) 扫描的分析,以寻找与年龄相关的黄斑变性 (AMD) 等眼睛疾病. 这种人工智能有望提高临床实践中的诊断准确性和效率.
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:
- 与年龄相关的黄斑变性 (AMD) 和其他眼睛疾病会导致不可逆转的视力丧失.
- 早期检测对于管理视网膜疾病至关重要.
- 光学连贯断层扫描 (OCT) 对于可视化视网膜病理至关重要,但手动解释是耗时和不一致的.
研究的目的:
- 通过使用基础模型,自动化在OCT图像中对关键疾病特征的分类.
- 评估RETFound模型与ResNet-50对视网膜疾病诊断的性能.
主要方法:
- 利用RETFound,一个基础模型,在160万个未标记的OCT图像上进行预训练.
- 我们对RETFound进行了微调,并将其性能与ResNet-50在1770个标记为OCT B扫描的数据集上进行了比较.
- 分类特征包括子液 (SRF),内液 (IRF),液和色素上皮质脱落 (PED).
主要成果:
- RETFound模型的准确度从0.75到0.77不等,AUC-ROC值从0.75到0.80.
- 在特异性和灵敏度方面,性能与ResNet-50相美.
- 为RETFound探索了单任务和多任务模式.
结论:
- 该RETFound模型显示了作为一种工具的潜力,用于从OCT扫描中自动诊断视网膜疾病.
- 它的性能与像ResNet-50.这样的既定模型相提并论.
- RETFound可以提高诊断准确性和解释性,支持临床医生在OCT图像分析.
