日本の東北大学の研究者は、眼球画像の自動セグメンテーションと分析のための軽量の深層学習モデルを開発しました。

人間の目は、一般的な健康状態を評価するための窓であると言われています。 解剖学および生理学の点で脳の微小循環および冠状動脈に類似しているのは、網膜の微小血管系である。 したがって、網膜微小血管系の構造と時間の経過とともに発生する変化を知ることは、臨床医が目、心臓、血管、および脳の疾患を特定して治療するのに役立ちます。

日本の東北大学の研究者は、目の画像の自動セグメンテーションと分析のための軽量ディープラーニング（LWBNA_Unet）モデルを開発しました。 いわゆる「軽量」ディープラーニング（DL）モデルは 10回 これは、生物医学画像セグメンテーションの最も一般的な（Unet）モデルよりも軽量であり、モバイルデバイスに適用でき、ノイズの多い画像であっても、わずかな画像を使用してトレーニングできます。

腫瘍、組織体積、またはその他の種類の異常を注意深く評価することは、障害を診断するために不可欠です。 これを行うには、モデルはマークされた画像を調べ、エッジに沿って線を引くことによってそれらを分割する必要があります。 正確な予測にはより多くの処理能力が必要になるため、モバイルデバイスに実装することは困難です。

研究者は、DLモデルに基づく遠隔疾患のスクリーニングと自己監視が一般的になりつつある一方で、深層学習アルゴリズムは多くの場合タスク固有であり、人、動物、信号機などの幅広い物体を認識または検出すると主張しています。

深層学習の深層学習モデルに関しては、精度、速度、および処理リソースは常にトレードオフです。 提案されたモデルは、他の商用ソフトウェアと比較して、より効率的で軽量です。これは、パラメーターが少なくても、モデルトレーニングのセグメンテーション精度と再現性が向上しているためです。 「このモデルは、眼底画像の視神経乳頭と出血を非常に正確に検出/断片化することもできます。」 より大きなトレーニングデータセットを必要とせずに、モデルを教えて、目の画像のセットを正確にセグメント化し、病気を分類することができます。

緑内障のスクリーニングを改善するために、科学者は、リソースの少ない機器を使用して、動脈瘤領域（網膜の中心に中心窩を含む領域）の測定を行いました。

チームは将来、さまざまな病気やその他の一般的な目の状態をチェックするためにポータブルモデルを使用することを計画しています。

This Article is written as a summary article by Marktechpost Staff based on the paper  'A lightweight deep learning model for automatic segmentation and analysis of ophthalmic images'. All Credit For This Research Goes To Researchers on This Project. Checkout the paper and reference article.

Please Don't Forget To Join Our ML Subreddit