PMPred-AE:一种基于人工智能的用于检测和解释病理近视的计算模型
Hong-Qi Zhang1, Muhammad Arif2, Maha A Thafar3
1The Clinical Hospital of Chengdu Brain Science Institute, School of Life Science and Technology, University of Electronic Science and Technology of China, Chengdu, China.
Frontiers in medicine
|April 4, 2025
概括
一个新的AI模型,PMPred-AE,准确地以高精度检测病理近视 (PM). 这种可解释的技术有助于早期诊断和管理这种严重的视力障碍.
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:
- 病态近视 (PM) 是全球不可逆转视力丧失的重要原因之一.
- 目前用于PM的诊断方法需要及时和准确的检测,以有效管理.
- 越来越需要自动化和可解释的技术来诊断PM.
研究的目的:
- 开发一种自动化和可解释的计算模型来检测病态近视.
- 使用人工智能提高PM诊断的准确性和效率.
主要方法:
- 使用EfficientNetV2-L开发了一个计算模型,即PMPred-AE,并优化了注意力机制.
- 梯度加权类激活映射 (Grad-CAM) 用于对模型决策的视觉解释.
主要成果:
- PMPred-AE实现了很高的检测准确度:98.50% (培训),98.25% (验证) 和97.25% (测试).
- 该模型展示了专注于特定图像区域的能力,这些区域与PM检测相关.
- 格拉德-CAM为AI的诊断过程提供了直观的视觉解释.
结论:
- PMPred-AE模型提供了一种可靠和准确的工具,用于自动检测病态近视.
- 整合Grad-CAM提高了人工智能驱动的眼科诊断决策的可解释性.
- 这种可解释的AI方法可以成为医疗保健专业人员管理PM的宝贵工具.
更多相关视频
05:49Author Spotlight: Deciphering Electrical Networks Behind Complex Brain Activities and Disorders
Published on: November 1, 2024
631
07:12Development of a Gaze-Contingent Display Framework Designed for Perceptual and Oculomotor Research with Simulated Central Vision Loss
Published on: April 11, 2025
244
