中国基因网您的位置:首页 >国外研究 >

人工智能算法用于检测糖尿病眼病的关键体征之一

科学家们利用人工智能,在早期阶段就能对致盲的主要原因之一——糖尿病相关眼病——进行即时诊断。研究人员称,这种疾病没有早期症状,在人们开始失去视力之前可能就已经恶化了。他们补充说,早期诊断和治疗可以显著改善患者的视力。

人工智能算法用于检测糖尿病眼病的关键体征之一

由RMIT大学领导的一个澳大利亚和巴西的研究小组开发了一种图像处理算法,可以自动检测出视网膜上的液体,准确率高达98%。他们的研究(“利用可深入学习的特征在眼底图像中检测分泌物”)发表在生物学和医学的计算机上。

视网膜上渗出物的存在是糖尿病视网膜病变的早期征兆,自动检测这些渗出物可以提高对该病的诊断。卷积神经网络(tional Neural network, CNNs)已被用于自动检测分泌物,但性能较差。本研究探讨了不同的深度学习技术,以最大限度地提高敏感性和特异性。我们比较了多种深度学习方法,以及有监督分类器和无监督分类器来提高自动渗出物检测的性能,即”研究人员写道。

实验在两个公开的数据库上进行:DIARETDB1和e-Ophtha。结果表明,采用支持向量机的ResNet-50算法的准确率和灵敏度分别达到98%和0.99,优于其他网络。这表明ResNet-50可用于眼底图像分析,检测分泌物。

RMIT生物信号副教授Dinesh Kant Kumar博士说,这种方法是即时的,而且性价比高。

库马尔说:“我们知道,只有一半的糖尿病患者定期进行眼科检查,三分之一的人从未接受过检查。”但是,诊断糖尿病视网膜病变的黄金标准方法是侵入性的或昂贵的,在世界的偏远或发展中国家往往无法获得。

“我们的人工智能驱动的方法提供的结果与临床扫描一样准确,但依赖于可以用普通验光设备生成的视网膜图像。”

“让这种不治之症的检测变得更快、更便宜,可能会改变数百万人的生活,这些人目前没有得到诊断,可能会失明。”

荧光血管造影和光学相干断层扫描是目前诊断糖尿病视网膜病变最准确的临床方法。另一种更便宜的方法是分析视网膜的图像,这种方法可以用相对便宜的叫做眼底照相机的设备拍摄,但是这个过程是手工的,耗时的,而且不太可靠。

为了自动分析眼底图像,RMIT工程学院生物信号实验室的研究人员与巴西的合作者一起,使用了深度学习和人工智能技术。他们开发的算法能够准确可靠地识别视网膜内受损血管或渗出液的存在。

研究人员希望他们的方法最终能用于广泛筛查高危人群。

“未确诊的糖尿病在这里和全世界都是一个巨大的健康问题,”Kumar继续说。“在澳大利亚,每一个知道自己患有糖尿病的人,就有另一个人患有糖尿病,但没有被诊断出来。”在发展中国家,这一比例是1比4。

这导致数以百万计的人因糖尿病相关疾病而产生可预防和治疗的并发症。随着进一步的发展,我们的技术有潜力减轻这种负担。研究人员正在与眼底照相机的制造商讨论进一步推进这项技术的潜在合作。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如有侵权行为,请第一时间联系我们修改或删除,多谢。

推荐内容