AngioReport:数据集和基线方法用于 fundus angiography报告生成
Pusheng Xu1, Peranut Chotcomwongse2, Weiyi Zhang1
1School of Optometry, The Hong Kong Polytechnic University, Kowloon, Hong Kong, China.
The British journal of ophthalmology
|July 3, 2025
概括
这项研究创建了眼科人工智能最大的注释性 fundus 血管学数据集. 基线AI模型在用于视网膜成像分析的自动报告生成方面表现出有效性.
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:
- 眼底血管造影,包括眼底光素血管造影 (FFA) 和绿色血管造影 (ICGA),对于诊断视网膜疾病至关重要.
- 开发用于分析这些复杂图像的自动化系统可以提高诊断效率和准确性.
研究的目的:
- 创建迄今为止最大的注释性 fundus 血管学数据集.
- 建立基准人工智能 (AI) 方法,从FFA和ICGA图像自动生成报告.
- 促进眼科内人工智能应用的进步.
主要方法:
- 对来自1691名患者 (≥18岁) 的55361张未识别的 fundus血管图像进行了回顾性审查.
- 视网膜专家对图像进行了注释,详细说明了24种诊断条件,包括类型,位置和光模式.
- 开发了两种人工智能模型:一种基于分类的方法 (ResNet101) 用于病变识别,一种语言生成方法 (Bootstrapping Language-Image Pre-training) 用于报告生成.
主要成果:
- 数据集包括24种诊断条件,其中斑点新血管化是最常见的.
- 基于分类的AI模型获得了7.966的F1得分,在识别特定病变和光方面表现出色.
- 语言生成人工智能模型获得了7.947的BERTScore,证明了其在印象识别和超光识别方面的强度.
结论:
- 开发的数据集是目前可用的最大的注释型 fundus 血管学数据集.
- 这两种基线人工智能方法都显示出眼科中自动化报告生成的重大前景.
- 这项工作为未来在视网膜成像中使用人工智能驱动的诊断工具提供了坚实的基础.
