Эта статья была проверена в соответствии с редакционным процессом и политикой Science X. Редакторы выделили следующие атрибуты, гарантируя при этом достоверность контента:
Хорошо!
Исследовательской организацией информации и систем
Точность оценки модели искусственного интеллекта для определения пола, разработанной на этот раз (основа: размер файла модели). 1 кредит
× закрыть
Точность оценки модели искусственного интеллекта для определения пола, разработанной на этот раз (основа: размер файла модели). 1 кредит
Японское офтальмологическое общество и Национальный институт информатики разработали и опубликовали модель искусственного интеллекта для оценки пола человека по изображениям глазного дна, используя данные, собранные Японским реестром изображений глаз (JOIR), национальной офтальмологической базой данных, созданной при поддержке Японского офтальмологического общества (JOIR). Японское агентство медицинских и медицинских наук (AMED).
Мы ожидаем, что исследователи будут применять эту модель ИИ в будущих исследованиях, и она поможет выяснить патофизиологию заболеваний, частота возникновения которых различается в зависимости от биологического пола.
Глубокое обучение стало значительным прорывом в машинном обучении и широко используется в искусственном интеллекте (ИИ), особенно в распознавании изображений. Многочисленные отчеты свидетельствуют о том, что точность распознавания изображений превзошла человеческую.
В 2017 году НИИ создал Исследовательский центр медицинских больших данных (RCMB) для разработки искусственного интеллекта в сфере медицинской помощи и создал базу данных больших данных медицинских изображений. НИИ также разработал и эксплуатирует интегрированную облачную среду (облачную платформу), оснащенную высокопроизводительными серверами данных и графическими серверами для вычислений машинного обучения.
Исследователи анализа медицинских изображений по всей Японии, включая Университет Нагои, подключены к облачной платформе в составе аналитической группы NII и сотрудничают в проведении исследований и разработок различных ИИ для оказания медицинской помощи.
В 2019 году JOS учредила Японский регистр глазных изображений Генеральной объединенной ассоциации (JOI Registry или JOIR) для сбора различных офтальмологических данных из офтальмологических учреждений по всей стране с целью продвижения и поддержки исследований и разработок искусственного интеллекта для медицинской помощи. Собранные офтальмологические изображения в базе данных JOIR анонимизируются и отправляются в облачную инфраструктуру NII для разработки искусственного интеллекта медицинской поддержки с использованием доступных вычислительных ресурсов в облачной инфраструктуре.
В последние годы развитие ИИ с использованием медицинских изображений быстро прогрессировало, и стало ясно, что можно не только определить наличие или отсутствие заболевания, но и оценить состояние человека, изображение которого было сделано.
Стало ясно, что ИИ можно использовать для оценки возраста, пола, статуса курения, уровня сахара в крови и т. д. на основе изображений глазного дна сетчатки, которая является светочувствительной частью глаза, и информации, полученной от этого. используется офтальмологами. Он имеет потенциал для использования в медицинских исследованиях, направленных не только на региональные заболевания, но и на различные системные заболевания. Однако в опубликованных на данный момент исследованиях разработанный ИИ не был обнародован, поэтому не было возможности использовать его для других исследований.
Чтобы решить эту проблему, JOS в сотрудничестве с NII разработал ИИ, который оценивает возраст человека на основе изображений глазного дна, а в январе 2023 года модель ИИ (метод оценки) стала доступна широкому кругу исследователей бесплатно. В качестве второго шага мы разработали ИИ, который оценивает биологический пол по изображениям глазного дна и делает его доступным для общественности бесплатно.
Разработанная нами модель использовала 131 031 изображение глазного дна людей в возрасте от 17 до 94 лет с указанием пола в качестве обучающих данных и проводила глубокое обучение с полом в качестве правильного ответа. В ходе обучения мы использовали 16 популярных моделей глубокого обучения (DenseNet-121/169/201, Inception-V3, Inception-ResNet-V2, MobileNet, MobileNetV2, Xception, EfficientNet-B0/B1/B2/B3/B4/B5/B6. /Б7).
В результате точность, с которой пол, оцененный по изображениям глазного дна проверочных данных, соответствовал фактическому полу, составила 92,0% (AUC 0,971) для самой высокой модели, что эквивалентно моделям оценки пола, используемым для других рас. Среди них мы опубликуем две модели: EfficientNet-B7, которая оказалась наиболее точной, и MobileNet, которая была легкой и высокоточной.
Используя эти модели искусственного интеллекта, исследователи могут выяснить патофизиологию заболеваний, частота возникновения которых различается в зависимости от биологического пола, или дополнить информацию, когда информация о поле отсутствует в их исследованиях.
Больше информации:
Модель можно загрузить с веб-страницы JOIR по следующему URL-адресу:
Предоставлено Исследовательской организацией информации и систем.
2024-01-19 19:41:33
1705694162
#Публичный #выпуск #ИИ #для #оценки #биологического #пола #по #изображениям #глазного #дна