相关实验视频
Updated: Sep 19, 2025
09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
21.8K
识别视网膜特征使用自配置CNN进行临床干预
Daniel S Kermany1,2,3,4, Wesley Poon1,2,4, Anaya Bawiskar1,3
1Translational Biophotonics Laboratory, Department of Systems Medicine and Bioengineering, Houston Methodist Neal Cancer Center, Houston, Texas, United States.
Investigative ophthalmology & visual science
|June 17, 2025
概括
我们介绍OCTAVE,一个用于视网膜成像的大数据集,以推进AI诊断眼睛疾病. 这个资源使得更好的AI模型能够准确检测疾病和治疗指导.
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:
- 视网膜疾病是全球失明的主要原因之一.
- 光学连贯断层扫描 (OCT) 对于诊断视网膜疾病至关重要.
- 有限的注释的OCT数据集阻碍了用于视网膜疾病诊断的AI开发.
研究的目的:
- 为了解决注释3D OCT数据集的稀缺性.
- 介绍OCTAVE,一个全面的3D OCT数据集,带有像素级注释.
- 为外部验证提供注释的公共OCT数据集.
主要方法:
- 开发了包含198个培训和221个验证卷的OCTAVE数据集.
- 在像素级别注释解剖学和病理学结构.
- 通过深度学习细分模型 (nnU-Net) 进行训练,并通过外部数据集进行评估.
主要成果:
- 在OCTAVE数据集包含198 OCT卷 (3762 B-扫描) 的培训.
- 221个OCT卷 (4109个B扫描) 用于外部验证.
- 深度学习模型在所有视网膜结构中实现了临床显著的性能.
结论:
- 演示了强大的细分性能和AI模型的通用性.
- OCTAVE数据集支持人工智能工具的开发,用于精确检测和监测视网膜疾病.
- 这种资源可以改善临床结果,并推进人工智能驱动的视网膜疾病管理.
