基于超10万张眼底图像的疾病特异性基础模型：发布与下游任务异常及多疾病分类验证
图像与视频处理
2024-08-19 v1 人工智能
计算机视觉与模式识别
摘要
人工智能应用于视网膜图像在识别视网膜疾病的体征和症状以及加速眼科疾病和全身性疾病的诊断方面具有巨大潜力。然而，开发用于医学数据的通用人工智能模型通常需要大量代表各种疾病体征的标注图像，而且大多数模型通常是任务特定的，专注于主要视网膜疾病。在本研究中，我们开发了一个眼底特异性预训练模型（Image+Fundus），这是一个用于检测眼底图像异常的监督人工智能模型。共使用了57,803张图像来开发该预训练模型，该模型在下游任务中取得了优越的性能，表明所提出的模型优于其他通用方法。我们的Image+Fundus模型提供了一种通用方法来提升模型性能，同时减少所需的标注数据集数量。此外，它通过模型生成的可视化提供了更多疾病特异性的眼底图像洞察。这些疾病特异性基础模型在提升眼底成像领域深度学习模型的性能和效率方面具有不可估量的价值。
引用
@article{arxiv.2408.08790,
title = {A Disease-Specific Foundation Model Using Over 100K Fundus Images: Release and Validation for Abnormality and Multi-Disease Classification on Downstream Tasks},
author = {Boa Jang and Youngbin Ahn and Eun Kyung Choe and Chang Ki Yoon and Hyuk Jin Choi and Young-Gon Kim},
journal= {arXiv preprint arXiv:2408.08790},
year = {2024}
}
备注
10 pages, 4 figures