自动化与专家设计的机器学习模型在与年龄相关的黄斑退化检测和分类中的比较分析
Ceren Durmaz Engin1,2, Ufuk Beşenk3, Denizcan Özizmirliler4
1İzmir Democracy University Buca Seyfi Demirsoy Training and Research Hospital, Clinic of Ophthalmology, İzmir, Türkiye.
Turkish journal of ophthalmology
|June 25, 2025
概括
专家设计的机器学习模型在分类光连贯断层扫描 (OCT) 图像以检测与年龄相关的黄斑变性 (AMD) 方面显著优于自动机器学习 (AutoML),突显了在医学诊断中需要人工智能专业知识的需求.
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:
- 与年龄相关的黄斑变性 (AMD) 是导致视力丧失的主要原因.
- 从光学连贯断层扫描 (OCT) 图像中准确分类AMD对于及时治疗至关重要.
- 机器学习为自动化图像分析提供了潜力.
研究的目的:
- 为了比较专家设计的机器学习模型与无代码自动化机器学习 (AutoML) 模型的诊断性能.
- 为了评估分类正常的OCT图像,检测AMD和区分干燥和湿湿的AMD形式的有效性.
主要方法:
- 专家设计的模型使用了EfficientNet V2架构.
- 使用LobeAI与ResNet-50 V2转移学习开发了AutoML模型.
- 两种模型都在每组诊断组500张OCT图像上进行了训练和测试,分别为80:20.
主要成果:
- 专家设计的模型实现了99.67%的整体准确性,F1分数≥0.99.
- 自动ML模型实现了89.00%的整体准确性,F1得分从0.86到0.90.
- 自动ML模型显示,用于识别干燥AMD的回忆力较低.
结论:
- 专家设计的模型在AMD分类中显著优于AutoML模型.
- 该研究强调需要专家参与高精度医学图像分析.
- 先进的架构和人工智能专家的优化产生了卓越的诊断工具.
