相关实验视频
Updated: Jun 12, 2025
05:40
Using an Automated Hirschberg Test App to Evaluate Ocular Alignment
Published on: March 24, 2020
12.2K
基于大型语言模型的多式联络系统,用于从智能手机图像中检测和分类眼睛表面疾病
Zhongwen Li1,2, Zhouqian Wang1, Liheng Xiu3
1Ningbo Key Laboratory of Medical Research on Blinding Eye Diseases, Ningbo Eye Institute, Ningbo Eye Hospital, Wenzhou Medical University, Ningbo, China.
Frontiers in cell and developmental biology
|June 9, 2025
概括
一个新的AI工具MOSAIC使用智能手机图像准确检测眼睛表面疾病. 这一系统有望改善眼科护理在缺乏服务的地区和最低培训的地区的可用性.
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:
- 医疗人工智能 (AI) 对于解决医疗保健差距至关重要,特别是在服务不足的地区.
- 需要可访问,可解释和自动化的人工智能系统来扩大优质医疗保健.
- 眼睛表面疾病 (OSD) 需要可访问的诊断工具.
研究的目的:
- 开发和验证多模式眼睛表面评估和解释副试点 (MOSAIC).
- 评估MOSAIC在使用智能手机图像检测和分级OSD方面的表现.
- 评估MOSAIC的可解释性和短暂学习能力.
主要方法:
- 使用gpt-4-turbo,claude-3-opus和gemini-1.5-pro-latest的大型语言模型开发了MOSAIC.
- 利用375个智能手机从290只眼睛的眼皮表面图像进行验证.
- 在零拍摄和少数拍摄设置中评估MOSAIC,用于图像质量控制,OSD检测,角膜炎分级和质分级.
主要成果:
- 在图像质量控制中,MOSAIC 实现了 95.00% 的精度,在 OSD 检测中达到 86.96%.
- 轻度与严重角膜炎的区别,准确率为88.33%,分级的角膜炎准确率为66.67% (五次).
- 通过增加学习次数 (p < 0.01) 和高ROUGE-L F1分数 (0.70-0.78) 显著提高了表现.
结论:
- MOSAIC 具有强大的几次射击学习能力,用于使用最小的数据进行 OSD 管理.
- 该系统具有很高的智能手机集成潜力,以改善资源有限的设置中的OSD检测和分级.
- 摩赛克 (MOSAIC) 提高了对眼睛表面疾病的医疗保健的可访问性和有效性.
