Un nouveau modèle d’apprentissage en profondeur (DL) capable d’identifier les caractéristiques liées à la maladie à partir d’images oculaires a été présenté par un groupe de chercheurs de l’Université de Tohoku. Ce modèle DL « léger » peut être entraîné avec peu d’images, même très bruyantes, et économise les ressources, c’est-à-dire qu’il peut être utilisé sur des appareils mobiles.
Les détails ont été publiés dans le magazine Rapports scientifiques le 20 mai 2022.
Alors que de nombreuses sociétés vieillissent et que le personnel médical est limité, l’autosurveillance et le télédépistage des maladies dépendant du modèle DL deviennent de plus en plus courants. Cependant, les algorithmes d’apprentissage en profondeur sont généralement spécifiques à une tâche, identifiant ou reconnaissant des objets généraux tels que des personnes, des animaux ou des panneaux de signalisation.
D’autre part, l’identification de la maladie nécessite une mesure précise des tumeurs, du volume des tissus ou d’autres types d’anomalies. Cela nécessite un modèle qui examine des images séparées et marque des limites dans un processus appelé segmentation. Cependant, une prédiction précise nécessite plus de puissance de calcul, ce qui rend difficile son déploiement sur des appareils mobiles.
« Avec les modèles DL, il y a toujours un compromis entre la précision, la vitesse et les ressources de calcul », explique Toru Nakazawa, co-auteur de l’étude et professeur au département d’ophtalmologie de l’université de Tohoku. « Notre modèle développé a une meilleure précision de segmentation et une meilleure reproductibilité de la formation du modèle, même avec moins de paramètres, ce qui le rend plus efficace et plus léger par rapport à d’autres logiciels commerciaux. »
Professeur Nakazawa, Professeur associé Parmanand Sharma, Dr. Takahiro Ninomiya et les étudiants du département d’ophtalmologie ont collaboré avec le professeur Takayuki Okatani de la Graduate School of Information Sciences de l’Université de Tohoku pour créer le modèle.
À l’aide d’appareils à faibles ressources, ils ont obtenu des mesures de la zone avasculaire fovéale, une région avec la fovea centralis au centre de la rétine, pour améliorer le dépistage du glaucome.
« Notre modèle est également capable de détecter/segmenter les papilles et les hémorragies dans les images du fond d’œil avec une grande précision », a ajouté Nakazawa.
À l’avenir, le groupe espère utiliser le modèle léger pour dépister d’autres maladies oculaires courantes et d’autres maladies.
sources de l’histoire :
Matériel fourni par Université du Tohoku. Remarque : Le contenu peut être modifié pour le style et la longueur.
Le post Un nouveau modèle d’apprentissage en profondeur aide au dépistage automatisé des maladies oculaires courantes – – est apparu en premier sur Germanic News.