功能性白血病查与生成增强深度学习从外部眼部摄影
Licia Tan1,2,3, Gilbert Lim2,4, Yuan Yuh Leong2,3
1Oculoplastic Department, Singapore National Eye Centre, Singapore.
Orbit (Amsterdam, Netherlands)
|April 30, 2025
概括
一个深度学习模型可以从眼睛照片中检测功能性白性亡. 通过合成图像来增强训练数据,显著改善了白性亡检测模型的性能.
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:
- 功能性白色眼,一种导致眼垂落的疾病,影响视力,需要准确的诊断.
- 早期检测和治疗白斑亡对于预防视力损伤至关重要.
研究的目的:
- 开发和验证一种深度学习模型,用于使用外部眼镜照片检测功能性白色眼.
- 评估模型的性能提升,当训练使用由StyleGAN模型生成的合成数据时.
主要方法:
- 一个由771张眼睛照片组成的数据集被策划,其中639只眼睛被诊断为功能性白色眼.
- 在数据的子集上训练和验证了基线深度学习模型.
- 训练数据集增加了2000个由StyleGAN模型生成的合成图像,用于训练增强型模型.
主要成果:
- 基线模型的灵敏度为0.68,特异性为0.89,AUC为0.87.
- 用GAN增强的模型表现出更好的性能,灵敏度为0.95,特异性为0.67,AUC为0.91.
- 增强模型显示,检测白性亡的灵敏度显著增加.
结论:
- 深度学习模型可以从标准眼睛照片中可靠地检测功能性白性.
- 由生成对抗网络 (GAN) 生成的合成数据的整合具有显著的潜力,可以提高眼科诊断AI模型的准确性和稳定性.


