一个集体模型用于底图像,以帮助与年龄相关的黄斑退化症分级
Roberto Romero-Oraá1,2, María Herrero-Tudela1,2, María Isabel López1,2
1Biomedical Engineering Group, University of Valladolid, 47011 Valladolid, Spain.
Diagnostics (Basel, Switzerland)
|October 29, 2025
概括
这项研究介绍了一种集体人工智能模型,用于使用 fundus 图像对与年龄相关的黄斑变性 (AMD) 进行分级. 人工智能模型表现出更好的性能,有助于早期发现AMD和患者护理.
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) 是老年人视力丧失的主要原因.
- 早期诊断和治疗依赖于定期的 fundus 图像分析.
- 人工智能 (AI) 算法,特别是整体策略,对AMD分级有很大的希望.
研究的目的:
- 开发和评估一个集体AI模型来分级与年龄相关的黄斑变性 (AMD).
- 结合不同的AI架构,以提高AMD检测性能.
主要方法:
- 通过整合两个单独的人工智能模型:ResNetRS (监督学习) 和RETFound (使用视觉变压器进行自我监督学习) 来创建一个合奏模型.
- 总体模型在149,819张 fundus 图像的大数据集 (AREDS 数据集) 和1679张图像的额外私人数据集上进行了训练和验证.
主要成果:
- 整体模型在AREDS数据集上实现了0.7364的二次加权卡帕和66.03%的准确性.
- 性能超过了AMD等级文献中报道的现有方法.
结论:
- 拟议的整体人工智能策略对于临床环境中选与年龄相关的黄斑变性是有效的.
- 实施可以改善AMD患者的眼睛护理,降低临床成本,减少工作量.
更多相关视频
10:14Author Spotlight: Ex Vivo OCT-Based Multimodal Imaging of Human Donor Eyes for Research into Age-Related Macular Degeneration
Published on: May 26, 2023
4.1K
06:16Author Spotlight: Unraveling the Pathogenesis of Age-Related Macular Degeneration and Discovering Potential Therapies
Published on: July 28, 2023
3.0K
