基于深度学习的系统,用于自动识别良性和恶性眼瘤

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:

• 眼瘤需要准确有效的诊断.
• 目前的诊断方法可能耗时,可能缺乏精度.

研究的目的:

• 开发一种深度学习系统,用于对良性和恶性眼瘤的自动识别和分类.
• 为了提高眼瘤的诊断准确性和效率.

主要方法:

• 使用了正常眼和眼瘤的数据集,随机分为训练 (80%) 和验证 (20%) 集.
• 训练了八个卷积神经网络 (CNN) 模型,包括VGG16,ResNet50,Inception-v4和EfficientNet-V2-M变体.
• 使用验证数据集评估和比较模型性能.

主要成果:

• 所有八种模型均实现了平均精度>0.746,灵敏度>0.790和特异性>0.866.
• 所有模型的接收器运行特征曲线 (AUC) 下的平均面积都超过了0.904.
• 双路径的Inception-v4网络表现出最高的性能,AUC为0.930和F1得分为0.838.

结论:

• 开发的深度学习系统显示了改善眼皮瘤诊断的巨大潜力.
• 该系统为临床应用提供了可靠和高效的工具.
• 未来的研究将专注于用更大的数据集验证模型,并将其整合到临床工作流程中.