利用深度学习从眼角膜照片分类角膜炎
计算机视觉与模式识别
2024-11-15 v1 机器学习
摘要
角膜炎是一种角膜炎症性疾病，导致低收入和中等收入国家（LMICs）10% 的视力损伤，细菌、真菌或阿米巴是最常见的感染病因。虽然准确及时的诊断对选定治疗和患者视力预后至关重要，但由于 LMICs 中实验室诊断的高成本和有限可用性，诊断往往仅靠临床观察，尽管其准确性较低。本研究探讨并比较了不同的深度学习方法来诊断感染来源：1) 三个单独的二分类模型用于感染类型预测；2) 具有共享主干和三个并行分类层的多任务模型（多任务 V1）；3) 具有共享主干和多头分类层的多任务模型（多任务 V2）。我们使用私有巴西角膜数据集进行实证评估。多任务 V2 取得最佳结果，接收者操作特征曲线下面积（AUROC）置信区间为 0.7413-0.7740（细菌）、0.8395-0.8725（真菌）和 0.9448-0.9616（阿米巴）。患者特征对模型性能影响的统计分析显示，性别显著影响阿米巴感染预测，年龄似乎影响真菌和细菌预测。
引用
@article{arxiv.2411.08935,
title = {Classification of Keratitis from Eye Corneal Photographs using Deep Learning},
author = {Maria Miguel Beirão and João Matos and Tiago Gonçalves and Camila Kase and Luis Filipe Nakayama and Denise de Freitas and Jaime S. Cardoso},
journal= {arXiv preprint arXiv:2411.08935},
year = {2024}
}
备注
6 pages; Accepted at IEEE's International Conference on Bioinformatics and Biomedicine (2024)