A Disease-Specific Foundation Model Using Over 100K Fundus Images: Release and Validation for Abnormality and Multi-Disease Classification on Downstream Tasks

要約

網膜画像に適用された人工知能は、網膜の状態の兆候や症状を認識し、眼疾患や全身疾患の診断を迅速化する大きな可能性をもたらします。
ただし、医療データ用の汎用人工知能モデルを開発するには、さまざまな病気の兆候を表す多数のラベル付き画像が必要になることが多く、ほとんどのモデルは通常、主要な網膜疾患に焦点を当てたタスク固有のものです。
この研究では、眼底画像の異常を検出するために訓練された教師あり人工知能モデルである眼底固有の事前訓練済みモデル (画像 + 眼底) を開発しました。
この事前トレーニング済みモデルの開発には合計 57,803 枚の画像が使用され、さまざまな下流タスクにわたって優れたパフォーマンスを達成しました。これは、私たちが提案したモデルが他の一般的な方法よりも優れていることを示しています。
私たちの Image+Fundus モデルは、必要なラベル付きデータセットの数を削減しながら、モデルのパフォーマンスを向上させるための一般化されたアプローチを提供します。
さらに、モデルによって生成された視覚化により、眼底画像に対するより疾患特有の洞察が得られます。
これらの疾患固有の基礎モデルは、眼底イメージングの分野における深層学習モデルのパフォーマンスと効率を向上させる上で非常に貴重です。

要約(オリジナル)

Artificial intelligence applied to retinal images offers significant potential for recognizing signs and symptoms of retinal conditions and expediting the diagnosis of eye diseases and systemic disorders. However, developing generalized artificial intelligence models for medical data often requires a large number of labeled images representing various disease signs, and most models are typically task-specific, focusing on major retinal diseases. In this study, we developed a Fundus-Specific Pretrained Model (Image+Fundus), a supervised artificial intelligence model trained to detect abnormalities in fundus images. A total of 57,803 images were used to develop this pretrained model, which achieved superior performance across various downstream tasks, indicating that our proposed model outperforms other general methods. Our Image+Fundus model offers a generalized approach to improve model performance while reducing the number of labeled datasets required. Additionally, it provides more disease-specific insights into fundus images, with visualizations generated by our model. These disease-specific foundation models are invaluable in enhancing the performance and efficiency of deep learning models in the field of fundus imaging.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google