新的深度学习模型有助于自动筛查常见的眼睛疾病

疾病诊断的自动化依赖于深度学习模型，这些模型可以准确有效地识别肿瘤，组织体积或其他异常的测量。现在，来自Tohoku大学的研究人员推出了一种新的，资源的模型，能够识别许多常见的眼部疾病。

一群Tohoku University的研究人员揭幕了一种可以从眼睛图像中识别出与疾病相关特征的新的深度学习（DL）模型。这种“轻巧”的DL模型可以通过少量图像进行训练，甚至具有高度噪音的图像，并且资源有效，这意味着它可以在移动设备上部署。

详细信息发表在期刊上科学报告2022年5月20日。

随着许多社会的老龄化和有限的医务人员，DL模型依靠自我监控和远程筛查疾病的情况变得越来越常规。然而，深度学习算法通常是特定于任务的，并识别或检测一般对象，例如人类，动物或路标。

另一方面，鉴定疾病需要精确测量肿瘤，组织体积或其他异常。为此，需要一个模型来查看被称为分割的过程中的单独图像和标记边界。但是准确的预测需要更大的计算输出，使它们难以在移动设备。

该研究的合着者Toru Nakazawa说：“在DL模型方面，准确性，速度和计算资源之间总是在权衡取舍。”“我们开发的模型具有更好的细分精度和增强的模型训练可重复性，即使参数较少，与其他商业软件相比，它的效率更高，更轻巧。”

Nakazawa教授，Parmanand Sharma副教授，Takahiro Ninomiya博士以及眼科系的学生与Toohoku大学信息科学研究生院的Takayuki Okatani教授合作，生产该模型。

他们使用低资源设备，获得了中央凹血管区的测量，该区域的区域具有视网膜中心的中央凹中心，以增强青光眼的筛查。

Nakazawa补充说：“我们的模型还能够检测/分割光盘和高精度的眼底图像中的出血。”

将来，该小组希望部署轻型模型来筛查其他常见的眼睛疾病和其他疾病。

---

---