相关实验视频
Updated: Jun 27, 2026

09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
22.4K
了解视网膜基础模型中的预训练数据效应,使用两个大型 fundus 队列
Yukun Zhou1,2,3,4, Zheyuan Wang5,6,7, Yilan Wu5,8
1Institute of Ophthalmology, University College London, London, UK. yukun.zhou.19@ucl.ac.uk.
Nature communications
|March 1, 2026
概括
医学基础模型显示出良好的概括性,但可以在年龄分组中显示出公平差距. 预培训数据显著影响公平性,强调在开发这些人工智能工具时需要仔细处理数据.
科学领域:
- 人工智能在医学中的应用
- 眼科医生 眼科 眼科
- 医学成像分析 医学成像分析
背景情况:
- 在大型数据集上预训练的医学基础模型,在临床应用中提供了效率.
- 预培训数据对这些模型的概括性和公平性的影响尚不清楚.
研究的目的:
- 调查前培训数据特征如何影响医学基础模型的概括性和公平性.
- 评估在不同的大规模队列上训练的视网膜基础模型的性能和公平性.
主要方法:
- 在两个不同的队列 (Moorfields眼科医院和上海糖尿病预防计划) 上训练平行基础模型,每组包括904,170张 fundus 照片.
- 在下游任务上评估模型性能和公平性,使用公共数据集和保留的特定站点数据.
- 评估了跨年龄,性别和种族小组的公平性.
主要成果:
- 视网膜基础模型表现出竞争性表现,即使在与其预训练集不同的数据上进行评估时,也表现出竞争性表现,这表明强烈的概括性.
- 在不同年龄小组中观察到公平差距.
- 性别和种族分组对模式公平性的影响最小.
结论:
- 视网膜成像的基础模型在各种数据集中表现出良好的概括性.
- 预培训数据的人口统计学显著影响了模型的公平性,特别是在年龄方面.
- 针对特定领域的细粒度数据处理对于开发公平高效的医学基础模型至关重要.
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
4.3K
07:12Development of a Gaze-Contingent Display Framework Designed for Perceptual and Oculomotor Research with Simulated Central Vision Loss
Published on: April 11, 2025
1000