比较交互式机器学习和无助细分的地理缩从底部自光自发光
Benjamin Bearce1, Steve McNamara1, Scott Kinder1
1Department of Ophthalmology, University of Colorado Anschutz, Aurora, CO, USA.
Translational vision science & technology
|January 14, 2026
概括
OPTIMEyes平台显著改善了从 fundus自光图像的地理缩 (GA) 分段,减少了注释时间并提高了注释者之间的分段一致性,而不会影响准确性.
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:
- 地理缩 (GA) 细分从 fundus 自体光对于监测疾病进展至关重要.
- 手动细分是耗时的,并且可能会受到注释者之间的变化.
研究的目的:
- 评估OPTIMEyes互动机器学习 (IML) 平台用于眼科图像注释.
- 评估人工智能辅助细分的效率,统一性和非劣等性,与无辅助的地理缩 (GA) 细分相比.
主要方法:
- 10位注释者对110张GA. fundus自光成像进行了细分.
- 实地真相细分由专家视网膜专家提供.
- 用注释时间和DICE分数来比较无辅助和人工智能辅助的细分.
主要成果:
- 人工智能辅助将平均注释时间减少了96秒.
- OPTIMEyes 改善了标注者之间的细分相似性 (平均 DICE 差异为 0.02).
- 在具有挑战性的图像中观察到细分质量的显著改善 (平均DICE改进:0.38).
结论:
- OPTIMEyes提高了GA细分效率和基底自光成像中的统一性.
- 该平台缩短了注释时间,并改善了注释者之间的协议,而不会牺牲细分质量.
- OPTIMEyes促进了研究和临床应用的高质量标记数据集的创建.
