基于深度学习的眼部区域精确切割:用于工作流程优化算法开发和验证研究
Dawen Wu1, Yanfei Li2, Zeyi Yang1
1Department of Ophthalmology, West China Hospital, Sichuan University, 37 Guoxue Xiang (Alley), Chengdu, Sichuan Province, 610041, China, 86 18980601759.
Journal of medical Internet research
|July 17, 2025
概括
一个自动化的眼神预处理算法显著提高了图像裁剪和头部倾斜校正的准确性和效率,用于人工智能 (AI) 开发和临床眼科. 这种人工智能驱动的平台增强了工作流程,支持远程医疗,并有助于的护理.
科学领域:
- 眼科和计算机视觉眼科和计算机视觉
- 医疗保健中的人工智能
- 医学图像分析 医学图像分析
背景情况:
- 传统的手动预处理眼睛视线照片是低效和不一致的,阻碍AI模型开发和临床应用.
- 手动裁剪和头部倾斜校正是耗时的,在数据集中引入了变化.
研究的目的:
- 开发和验证一种先进的预处理算法,用于实现自动化,准确和标准化的眼部区域裁剪.
- 提高临床工作流程的效率和一致性以及用于眼睛凝视分析的AI数据预处理.
主要方法:
- 利用了来自648名患者的5832张图像的回顾性和前性数据集.
- 开发了一个可旋转的界限框检测框架,用于眼部区域裁剪和头部倾斜校正.
- 使用精度,回忆,mAP,交叉验证,专家审查和下游任务性能比较 (视查) 验证了算法.
主要成果:
- 该算法在多个数据集中实现了高性能,精确度和回忆率为1000和高的mAP分数.
- 自动裁剪将图像准备时间从10小时 (手动) 缩短到30秒.
- 与没有校正的方法相比,使用头部倾斜校正的模型显著改善了斜视查AUC (0.917).
结论:
- 一个带有自动预处理算法的AI驱动平台为AI和临床使用提供了改进的眼部区域裁剪和头部倾斜校正.
- 该系统提高了工作流程的效率,支持远程医疗隐私,并推进了眼科研究和眼护理.
