Группа исследователей из Университета Тохоку представила новую модель глубокого обучения (DL), которая может идентифицировать признаки, связанные с заболеваниями, по изображениям глаз. Эта “легкая” модель DL может быть обучена с небольшим количеством изображений, даже с высокой степенью шума, и является ресурсосберегающей, что означает, что ее можно развернуть на мобильных устройствах. Автоматизация диагностики заболеваний зависит от моделей глубокого обучения, которые могут точно и эффективно определять измерения опухолей, объема ткани или других видов аномалий.
Подробности были опубликованы в журнале Scientific Reports.
В условиях старения многих обществ и нехватки медицинского персонала самоконтроль и дистанционный скрининг заболеваний, зависящий от модели DL, становятся все более рутинными. Тем не менее, алгоритмы глубокого обучения, как правило, ориентированы на конкретные задачи и идентифицируют или обнаруживают общие объекты, такие как люди, животные или дорожные знаки.
С другой стороны, выявление заболеваний требует точного измерения опухолей, объема тканей или других видов аномалий. Для этого требуется, чтобы модель просматривала отдельные изображения и отмечала границы в процессе, известном как сегментация. Но точное предсказание требует больших вычислительных затрат, что затрудняет их развертывание на мобильных устройствах.
“Когда речь заходит о моделях DL, всегда существует компромисс между точностью, скоростью и вычислительными ресурсами. Разработанная нами модель обладает лучшей точностью сегментации и улучшенной воспроизводимостью обучения модели даже при меньшем количестве параметров, что делает ее эффективной и более легкой по сравнению с другими коммерческими программами”, – поделился Тору Наказава, соавтор исследования и профессор кафедры офтальмологии Университета Тохоку..
Используя устройства с низким ресурсом, они получили измерения фовеальной аваскулярной зоны, области с центральной ямкой в центре сетчатки, для улучшения скрининга глаукомы.
“Наша модель также способна с высокой точностью обнаруживать / сегментировать диски зрительного нерва и кровоизлияния на изображениях глазного дна”, – добавил Наказава.
В будущем группа надеется использовать облегченную модель для выявления других распространенных заболеваний глаз и других заболеваний.
Ученые также назвали факторы, помогающие сохранить зрение до глубокой старости.