271 beteg adataival fejlesztették ki az új AI-modellt
Kutatók egy új AI-modellt fejlesztettek ki, amely 0,85-ös egyezési mutatóval méri fel a makuladegeneráció súlyosságát. A modell 271, 50 év feletti résztvevő adataiból tanult.
Mélytanulási modellekkel automatizálják az életkorral összefüggő makuladegeneráció (AMD) súlyosságának osztályozását az arXiv kutatói. Az új megközelítés optikai koherencia tomográfia (OCT) és OCT angiográfia (OCTA) adatokra támaszkodik, és célja a diagnosztikai folyamat gyorsítása és pontosságának növelése. (ArXiv CV)
A kutatásban 271, 50 év feletti, különböző stádiumú AMD-vel élő résztvevőt vizsgáltak. A modellek fejlesztéséhez összesen 2030 OCT/OCTA kötetet elemeztek 351 szemről. Az AI-k három különböző bemeneti modalitást használtak: azonosított kóros jegyeket (folyadék, drúzen, atrófia, neovascularizáció), 2D-s en face OCT és OCTA vetületeket, valamint a teljes 3D-s OCT/OCTA adatokat.
Kapcsolódó: fényű képfeldolgozás
A biomarkeralapú modell kiemelkedik
Az EfficientNet-alapú architektúrákra épülő modellek mindegyike erős teljesítményt mutatott, jelentős egyezést elérve a referenciastandarddal (QWK ≥ 0,83). A biomarker-térképeket használó modell érte el a legmagasabb átfogó teljesítményt (QWK = 0,85 ± 0,03), és különösen jól teljesített a korai AMD kimutatásában (F1-score = 0,59 ± 0,14). Ez a megközelítés különösen értékesnek bizonyult a betegség kezdeti jeleinek azonosításában.
Kapcsolódó: gyors LLM-ek
3D és 2D modellek teljesítménye
A 3D-s OCT/OCTA volumennel dolgozó modell teljesítménye hasonló volt a 2D-s vetületeket használó modelléhez (QWK = 0,83 ± 0,04 szemben a 0,83 ± 0,09-cel). A 2D-s modell azonban a legnagyobb precizitást mutatta (0,79 ± 0,06) és a legpontosabban azonosította a nem AMD-s szemeket. Ezek az eredmények azt mutatják, hogy a mélytanulás hatékonyan alkalmazható az AMD súlyosságának automatikus megítélésére.
Kapcsolódó: bőrrák-diagnózis
A kutatás az arXiv platformon, 2030 OCT/OCTA kötet és 351 szem adataival készült.
Kapcsolódó: nanoléptékű chipgyártás