基于AI的RGB图像生成从RG Fundus图像使用Pix2Pix:通过定量和基于观察者的评估进行验证
Kumiko Kato1,2, Koki Imai3, Yoshitsugu Matsui1
1Department of Ophthalmology, Mie University Graduate School of Medicine, Tsu, Japan.
Translational vision science & technology
|January 14, 2026
概括
生成对抗网络 (GAN) 可以将红绿色 (RG) 基底图像转换为红绿蓝色 (RGB) 图像,准确度很高. 这种人工智能方法可能有助于重新解释旧的RG图像,用于未来的诊断.
科学领域:
- 眼科成像 眼科成像
- 医学中的人工智能
- 图像处理 图像处理
背景情况:
- 红绿色 (RG) 底部图像通常是用旧的系统捕获的.
- 将RG转换为红绿蓝 (RGB) 图像可以提高诊断效用.
- 生成对抗性网络 (GAN) 在图像合成方面表现有前途.
研究的目的:
- 通过使用基于Pix2Pix的GAN.使用RG图像生成的RGB底部图像的准确性和感知质量.
- 评估使用人工智能用于 fundus 图像转换的可行性.
主要方法:
- 从RGB图像中提取RG图像,通过在Optos系统上禁用蓝色激光.
- 一个基于Pix2Pix的条件GAN被训练用于RG到RGB图像的转换.
- 使用了定量指标 (SSIM,PSNR,LPIPS,MAE,RMSE) 和39名眼科医生的定性评估.
主要成果:
- 生成的RGB图像显示高结构相似性 (SSIM=0.97) 和与原始RGB图像的感知质量.
- 眼科医生在真实和人工智能生成的图像之间实现了57.1%的正确分类率.
- 接收器运行特征分析得出曲线下的面积为0.497,表明没有显著的歧视.
结论:
- 基于Pix2Pix的GAN可以从RG图像中生成感知和结构一致的RGB图像.
- 人工智能模型不需要病变特定的注意力机制来进行有效的图像转换.
- 这种技术可以重新解释传统的RG fundus图像,并支持未来的AI诊断应用.
