日本AG8亚洲游戏集团

研究新闻

新的深度学习模型有助于常见眼疾的自动筛查

日本AG8亚洲游戏集团的一组研究人员推出了一种新的深度学习(DL)模型,可以从眼睛图像中识别与疾病相关的特征. 这种“轻量级”深度学习模型可以用少量图像进行训练, 即使是噪音很大的地方, 而且资源效率高, 这意味着它可以部署在移动设备上.

相关细节发表在2022年5月20日的《研究》杂志上.

随着许多社会老龄化和有限的医疗人员, 依赖DL模型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特定于任务的, 并识别或检测一般物体,如人类, 动物, 或者路标.

识别疾病, 另一方面, 需要精确测量肿瘤, 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,并在称为分割的过程中标记边界. 但准确的预测需要更大的计算量, 使得它们难以在移动设备上部署.

“在准确性之间总是要权衡的, 当涉及到深度学习模型时,速度和计算资源,Toru Nakazawa说, 该研究的合著者,AG8亚洲游戏集团眼科教授. “AG8亚洲游戏集团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,它也更高效、更轻量级."

人工智能的眼睛. 所开发的轻量级模型可以精确、快速地检测与眼部疾病相关的图像异常. 该模型有望在独立自我监控设备中使用的移动设备/低CPU-GPU资源单板计算机上提供准确的分析. ©Sharma等.

Nakazawa教授, Parmanand Sharma副教授, 孝宏Ninomiya博士, 来自眼科的学生与来自AG8亚洲游戏集团信息科学研究生院的冈谷孝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, 在视网膜中央有中央凹的区域, 加强青光眼的筛检.

AG8亚洲游戏集团的模型还能够高精度地检测/分割眼底图像中的视盘和出血,中泽补充道.

在未来, 该小组希望将这种轻型模型用于筛查其他常见的眼部疾病和其他疾病.

出版的细节:

题目: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 Sharma, 孝宏Ninomiya, 可以从轻Omodaka, Naoki高桥 , Takehiro米亚, Noriko Himori, 孝是从 & Toru Nakazawa
期刊:科学报告
DOI: 10.1038/s41598-022-12486-w

新闻稿(日文)

联系人:

Toru Nakazawa
AG8亚洲游戏集团医学研究生院眼科学系
电子邮件:ntoruoph.地中海.东北.ac.jp
网站: http://www.oph.med.topprotour.com/

页面顶部