相关实验视频
Updated: Sep 14, 2025
09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
21.8K
近红外反射成像用于评估使用深度学习的地理缩
Aviv Fineberg1,2, Alon Tiosano1,3,2, Nili Golan1,2
1Department of Ophthalmology, Rabin Medical Center - Beilinson Hospital, Petach Tikva, Israel.
Retina (Philadelphia, Pa.)
|July 22, 2025
概括
深度学习使用近红外反射 (NIR) 成像准确检测地理缩 (GA). 这种自动化方法有助于识别患者需要新兴的GA疗法.
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:
- 地理缩 (GA) 是一种严重的干燥与年龄相关的黄斑变性.
- 近红外反射 (NIR) 成像是一种可访问的视网膜评估工具.
- 当前的GA评估方法可能是耗时和主观的.
研究的目的:
- 使用NIR成像开发用于GA检测的自动深度学习系统.
- 评估深度学习模型在对GA的分类和定位方面的表现.
- 建立NIR成像作为GA评估的可靠模式.
主要方法:
- 从GA患者 (≥50岁) 和健康对照对NIR图像的回顾性分析.
- 深度学习模型的培训和验证,包括Vision Transformer B16和YOLOv8-Large.
- 使用准确度,精度,灵敏度,F1-Score,IoU和DICE系数等指标进行性能评估.
主要成果:
- 分类模型实现了>95%的准确性;视觉转换器B16显示了98.5%的精度和灵敏度.
- YOLOv8-Large在GA定位方面表现出91%的灵敏度和91%的精度.
- 通过使用NIR图像的深度学习来检测GA的高精度和可靠性得到证实.
结论:
- 深度学习模型可靠地识别NIR图像上的地理缩.
- 通过NIR成像自动化GA评估可以简化患者选择新的治疗方法.
- 这种方法增强了广泛使用的NIR成像技术的实用性.
