新颖的深度学习方法使诊所准备自动筛查糖尿病相关的眼病

HelmholtzZentrumMünchen的研究人员与慕尼黑和慕尼黑技术大学（Munich）一起制造了一种新的深度学习方法，使糖尿病视网膜病如糖尿病视网膜病变的自动化筛查更有效。减少算法训练所需的昂贵注释图像数据的量，该方法对诊所具有吸引力。在糖尿病视网膜病的用例中，研究人员开发了一种筛查算法，需要75％的注释数据，并实现人类专家的诊断表现。

近年来，诊所已经向人工智能和深度学习迈出了第一步，以实现医疗筛查的自动化。然而，训练是一种深度学习算法对于准确的筛选和诊断预测，需要大量的注释数据，诊所通常与昂贵的专家标签斗争。因此，研究人员正在寻找减少昂贵注释数据的需要的方法，同时仍然保持算法的高性能。

用例糖尿病性视网膜病变

糖尿病性视网膜病是一种与糖尿病相关的眼病，会损害视网膜，最终导致失明。视网膜厚度的测量是高危患者诊断疾病的重要步骤。为了做到这一点，大多数诊所会拍摄眼底——眼睛后部的表面。为了自动化筛选这些图像，诊所开始应用深度学习算法。这些算法需要大量带有昂贵注释的眼底图像，以便训练出正确的屏幕。

慕尼黑麦鲁大学眼科医院拥有一个人口大小的数据集，其中包含超过120,000个未解读的眼底和共同登记的OCT图像。OCT（光学相干断层扫描）允许有关视网膜厚度的精确信息，但在每种眼睛护理中心中不可用。LMU向来自HelmholtzZentrumMünchen的研究人员提供了在健康的人工智能领域的研究人员。

训练的“慎独”下

“我们的目标是使用这种独特的大量眼底和OCT图像来开发一种方法，这将减少昂贵的算法培训的昂贵注释数据的方法，”赫尔米霍尔兹ZentrumMünchen和Cum School的研究第一作者生命科学。

这组研究人员开发了一种名为“交叉模式自监督视网膜厚度预测”的新方法，并将其应用于使用LMU数据集预先训练深度学习算法。在这个用例中，交叉模式自我监督学习允许算法自学识别带有不同oct提取的视网膜厚度轮廓的无注释眼底图像，直接从眼底预测厚度信息。通过准确预测视网膜厚度(糖尿病视网膜病变的关键诊断特征)，该算法能够学习如何预测筛查结果。

具有四分之一培训数据的高性能

这种新的方法减少了对昂贵的注释数据进行训练的需要深度学习算法显着。当应用于糖尿病视网膜病的自动化筛查时，它与先前的算法相比，它达到了相同的诊断性能，这两种算法都需要更多的培训数据并与人类专家相比。

“我们将注释数据的需求减少了75％，”赫尔米霍尔斯·ZentrumMünchen和Helmholtz Ai科学主任的亥姆霍兹AI科学主任的董事，赫尔默尔兹协会。“稀疏的注释数据是医学的大挑战。它是我们开发与数据较少的方法的目标之一，然后可以在许多设置中应用。我们在糖尿病视网膜病变的用例已准备好在诊所立即使用是AI如何改善诊所日常业务的完美举例，从而实现每个人的健康。“

“视力受损糖尿病的自动检测和诊断视网膜病变随着眼底摄影技术的广泛应用，这对筛查来说是一个很大的改进。病人转介到部分过于拥挤的专业眼科护理中心的情况也可以减少，”慕尼黑大学眼科医院的Karsten Kortuem博士说，他负责这项研究的临床方面。