新的深度学习模型有助于自动筛查常见眼科疾病

疾病诊断的自动化依赖于深度学习模型，该模型可以准确有效地识别肿瘤、组织体积或其他类型的异常。现在，日本东北大学的研究人员推出了一种新的资源光模型，能够识别许多常见的眼病。

　　

日本东北大学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”的DL模型可以用少量的图像进行训练，甚至是带有高度噪声的图像，并且是资源高效的，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《科学报告》杂志上。

随着社会老龄化和医务人员的不足，DL模式依赖的自我监测和疾病的远程筛查越来越普遍。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，如人类、动物或路标。

另一方面，识别疾病需要精确测量肿瘤、组织体积或其他种类的异常。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大的计算输出，这使得它们难以部署在移动设备上。

该研究的合著者、东北大学眼科教授Toru Nakazawa说:“当涉及DL模型时，在准确性、速度和计算资源之间总是存在权衡。我们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，它更高效，更轻量。”

Nakazawa教授、Parmanand Sharma副教授、Takahiro Ninomiya博士以及来自眼科系的学生与东北大学信息科学研究生院的冈谷隆之教授合作制作了这个模型。

利用低资源设备，他们测量了视网膜中央凹无血管区，以加强青光眼的筛查。

“我们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。

New Deep Learning Model Helps the Automated Screening of Common Eye Disorders