眼科诊断基础模型的分布式培训
Sina Gholami1, Fatema-E Jannat1, Atalie Carina Thompson2
1Department of Electrical and Computer Engineering, University of North Carolina at Charlotte, Charlotte, NC, USA.
Communications engineering
|January 22, 2025
概括
一个新的深度学习框架使用联合学习改进了早期检测眼睛疾病,如糖尿病视网膜病变. 这种保护隐私的方法可以提高不同人群的诊断准确性,而无需共享患者数据.
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:
- 全球有22亿人患有视力障碍,许多病例可以通过早期诊断来预防.
- 糖尿病视网膜病变和与年龄有关的黄斑变性需要可扩展的检测方法.
- 光学连贯断层扫描 (OCT) 对于诊断视网膜疾病至关重要.
研究的目的:
- 开发一个分布式的深度学习框架,以从OCT图像中增强眼睛疾病的检测.
- 整合自我监督和适应领域的联合学习,以提高诊断准确性和概括性.
- 为了实现协作模型的开发,同时保持数据隐私.
主要方法:
- 使用自主监督的,基于面具的预训练策略,为一个强大的基础编码器.
- 在七个不同的OCT数据集上训练了编码器.
- 在本地,集中和联合学习环境中比较绩效,并纳入领域适应.
主要成果:
- 自主监督的方法 (集中和联合) 与本地模型相比,在曲线下的面积至少提高了10%.
- 域适应式联合学习增强了不同人群和成像条件的性能和概括性.
- 该框架展示了有效的协作模型开发,而不需要直接共享数据.
结论:
- 拟议的分布式深度学习框架为视网膜疾病查提供了一个可扩展的,保护隐私的解决方案.
- 自主监督和联合学习显著改善了从OCT图像中检测眼睛疾病.
- 域调整进一步提高了模型在各种临床环境中概括的能力.
