日本凯时KB88国际

研究凯时KB88国际

新的深度学习模型有助于常见眼科疾病的自动筛查

日本凯时KB88国际的一组研究人员公布了一种新的深度学习(DL)模型,该模型可以从眼睛的图像中识别与疾病相关的特征. 这种“轻量级”DL模型可以用少量图像进行训练, 即使是那些噪音很大的, ,是资源节约型, 这意味着它可以部署在移动设备上.

详情发表在2022年5月20日的《凯时KB88国际》杂志上.

随着许多社会的老龄化和医务人员的有限, 依赖DL模式的自我监测和疾病远程筛查正变得越来越常规. 然而,, 深度学习算法通常是针对特定任务的, 并识别或检测一般物体,如人类, 动物, 或路标.

识别疾病, 另一方面, 要求肿瘤的精确测量, 组织体积, 或者其他类型的异常. 要做到这一点,需要一个模型来查看单独的图像,并在一个被称为分割的过程中标记边界. 但准确的预测需要更多的计算输出, 这使得它们很难部署在移动设备上.

“在准确性之间总是有一个权衡, 当涉及到DL模型时,速度和计算资源,中泽彻说, 该研究的共同作者,日本凯时KB88国际眼科教授. “凯时KB88国际开发的模型具有更好的分割精度和增强的模型训练再现性, 即使参数更少——与其他商业软件相比,使它更高效和更轻量级."

人工智能的眼睛. 开发的轻量级模型精确、快速地检测与眼睛疾病相关的图像异常. 该模型有望对独立的自我监控设备中使用的移动设备/低CPU-GPU资源单板计算机提供准确的分析. ©Sharma等.

Nakazawa教授, Parmanand Sharma副教授, 孝宏博士Ninomiya, 眼科系的学生与凯时KB88国际信息科学研究生院的冈谷隆之教授合作制作了这个模型.

使用低资源设备, 他们测量了中央凹无血管区, 视网膜中心有中央凹的区域, 加强青光眼筛查.

凯时KB88国际的模型还能够高精度地检测/分割视盘和眼底图像中的出血,”Nakazawa补充说.

在未来, 该小组希望部署这种轻量级模型来筛查其他常见的眼部疾病和其他疾病.

出版的细节:

标题:一种用于眼科图像自动分割和分析的轻量级深度学习模型
作者:Parmanand沙玛, 孝宏Ninomiya, 可以从轻Omodaka, Naoki高桥 , Takehiro米亚, Noriko Himori, 孝是从 & Toru Nakazawa
日报:科学报告
DOI: 10.1038/s41598-022-12486-w

日文凯时KB88国际稿

联系人:

Toru Nakazawa
日本凯时KB88国际医学院眼科
电子邮件:ntoruoph.地中海.东北.ac.jp
网站: http://www.oph.med.darkarrowclimbing.com/

页面顶部