增强的斑点长长眼病2型检测:利用自我监督的学习和合奏模型

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:

• 斑点远视症 (MacTel) 2型是一种影响中心视力的视网膜疾病.
• 准确检测MacTel类型2对于及时诊断和管理至关重要.
• 光学连贯断层扫描 (OCT) 是视网膜疾病的关键成像方式.

研究的目的:

• 开发和评估基于集体的深度学习模型,用于在OCT图像上检测MacTel类型2.
• 评估深度学习模型在识别MacTel类型2时的可解释性.
• 为了比较模型的性能与人类专家评分器.

主要方法:

• 来自麦克泰尔注册和华盛顿大学的5200个OCT扫描的回顾性分析.
• 使用监督和自我监督学习 (SSL) 培训个人分类模型.
• 组合单个模型并使用AUROC,AUPRC,精度,灵敏度和特异性来评估性能.

主要成果:

• 整体模型的AUROC为0.972和AUPRC为0.967,与人类专家相似.
• 观察到高精度 (91.7%),灵敏度 (0.905) 和特异性 (0.925),尽管有限的标记训练数据 (10%).
• 个别的模特没有达到合奏的表现水平.

结论:

• 集成深度学习模型,特别是与SSL相结合时,可以准确和可解释地检测MacTel类型 2.
• SSL有效地利用未标记的数据,证明在有限的数据集中对罕见疾病检测有好处.
• 这种方法有望改善MacTel2型诊断和患者护理.