详细内容或原文请订阅后点击阅览
新的深度学习模型有助于眼部疾病的自动筛查
东北大学的一组研究人员提出了一种深度学习模型，可以检测照片中的眼部疾病。这种“轻量级”模型可以在少量图像上进行训练，即使噪声水平很高，并且资源高效，这意味着它可以在移动设备上使用。
来源:Robogeek新闻频道（关于机器人技术的俄罗斯与世界新闻）东北大学的一组研究人员提出了一种深度学习模型，可以检测照片中的眼部疾病。这种“轻量级”模型可以在少量图像上进行训练，即使噪声水平很高，并且资源高效，这意味着它可以在移动设备上使用。
随着社会老龄化和多国医务人员短缺，基于深度学习模型的自我监测和疾病远程筛查变得越来越普遍。然而，深度学习算法往往是针对特定任务的，可以识别或检测常见物体，例如人、动物或路标。
另一方面，疾病识别需要精确测量肿瘤、组织体积或其他类型的异常。这要求模型在称为分割的过程中查看单个图像并标记边界。但准确的预测需要大量的计算能力，这使得它们很难在移动设备上使用。
“当谈到深度学习模型时，总是需要在准确性、速度和计算资源之间进行权衡，”该研究的合著者、东北大学眼科教授 Toru Nakazawa 说道。我们开发的模型即使参数较少，也具有更好的分割精度和更高的模型训练再现性，使其比其他商业程序更高效、更轻量。”
开发的轻量级模型可以准确快速地检测与眼部疾病相关的图像异常。该模型有望为 CPU-GPU 资源较低的移动设备/SBC 提供准确的分析。
“我们的模型还能够高精度地检测/分割眼底图像中的视盘和出血，”Nakazawa 补充道。
已发布