伊斯法罕人工智能活动2023:黄斑病理检测竞赛
Farnaz Sedighin1, Maryam Monemian1, Zahra Zojaji2
1Medical Image and Signal Processing Research Center, Department of Bioelectrics and Biomedical Engineering, School of Advanced Technologies in Medicine, Isfahan University of Medical Sciences, Isfahan, Iran.
Journal of medical signals and sensors
|March 3, 2025
概括
基于人工智能 (AI) 的计算机辅助诊断 (CAD) 工具正在利用光学连贯断层扫描 (OCT) 图像推进斑点疾病检测. 伊斯法罕AI-2023挑战评估了AI分类方法,突出了深度学习.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 计算机辅助诊断 (CAD) 系统,特别是利用人工智能 (AI) 的系统,对于诊断黄斑疾病越来越重要.
- 基于人工智能的CAD提供了增强的速度,客观性和彻底性,作为临床医生有价值的辅助工具.
- 视网膜AI-CAD特别帮助眼科医生分析光学连贯性断层扫描 (OCT) 图像,提高诊断准确性和可访问性.
研究的目的:
- 通过伊斯法罕AI-2023挑战评估目前基于人工智能的斑点病理检测分类方法.
- 提供用于视网膜诊断的替代人工智能工具的客观,正式评估.
- 为了确定分析OCT图像在黄斑疾病诊断中最成功的算法.
主要方法:
- 从正常受试者和患有黄斑疾病 (糖尿病黄斑胀等) 的患者获得的OCT图像的精选数据集. 是提供的.
- 该数据集包括标记的培训和未标记的测试集,可供挑战参与者访问.
- 研究人员开发并测试了算法,旨在最大限度地提高测试集标签上的性能.
主要成果:
- 多个提交表明对AI-CAD技术对黄斑病理学的重大兴趣.
- 基于深度学习的方法被证明能够从病态的OCT图像中学习关键特征.
- 该竞赛促进了各种AI分类算法的比较和评估.
结论:
- 伊斯法罕AI-2023挑战成功评估了基于人工智能的黄斑疾病分类方法.
- 深度学习方法有希望,但需要对不平衡的数据集进行仔细的模型选择.
- 进一步发展AI-CAD技术对于推进眼科护理至关重要,特别是对于服务不足的人群.
