RETFound:基于自监督学习的视网膜图像基础模型

新知榜官方账号

2023-11-02 16:41:21

医疗AI在视网膜图像领域的应用

近年来,随着深度学习技术的发展,医疗人工智能(医疗AI)在基于视网膜图像判定人体健康状况、诊断潜在眼部和全身性疾病等领域,具有巨大潜力。然而,AI模型的开发往往需要大量的标记,这些标记通常只针对特定任务,因而对不同临床应用的泛化能力十分有限。近日,在nature杂志上发表的一篇研究介绍了基础模型RETFound——一个针对视网膜图像的大模型。

RETFound:视网膜图像基础模型

近日,科学家通过自监督学习的方法在160万张未标记的视网膜图像上进行训练,然后通过微调来适应具有明确标记的疾病检测任务。科学家们展示了微调后的RETFound在诊断和预测眼部疾病方面的能力,以及在较少标记数据的情况下,对于复杂的全身性疾病(如心力衰竭和心肌梗死)的预测能力,发现它的表现始终优于其他模型。总之,RETFound提供了一个可泛化的解决方案,能提高模型性能并减轻专家标记工作的负担,从而实现了基于视网膜图像的AI更广泛的临床应用。

RETFound相对于其他模型的优势

RETFound在扩展到视网膜图像之前使用SSL-ImageNet的权重作为基线(相当于在自然图像上使用SSL预训练模型,然后在视网膜图像上进行训练)。在最新成果中,科学家们报告了这些模型的内部和外部评估结果。利用标记后的训练数据,这些模型可以适应每项任务,并在内部测试集以及与训练数据完全不同的外部数据集上进行评估。此外,科学家使用接收者操作曲线下面积(areaunderthereceiveroperatingcurve,AUROC)和精确召回曲线下面积(areaundertheprecision-recallcurve,AUPR)来报告模型性能;同时使用RETFound和每个任务中最具竞争力的比较模型之间的双边t检验来计算P值,以检查模型的显著性。

RETFound在未来的应用前景

研究团队对于RETFound在未来的广泛应用持乐观态度,同时也指出,增强人与AI的集成对于实现医疗AI应用的真正落地至关重要。

本页网址:https://www.xinzhibang.net/article_detail-18660.html

寻求报道,请 点击这里 微信扫码咨询

相关工具

相关文章

相关快讯