糖尿病视网膜病变智能识别的SCSDN泛化性增强方法

作者：张永亮; 熊健皓; 李明; 欧杨杰; 张大磊; 曾强^*

来源：中国数字医学, 2021, 16(07): 82-87.

• 人工智能
• 域泛化
• 眼底影像预测
• 鲁棒性

目的:提高人工智能模型在不同类型眼底相机拍摄图片的准确性和一致性,尤其提高模型在模型训练过程中未见机型上的糖尿病视网膜病变(Diabetic Retinopathy,DR)和年龄的识别性能,降低人工智能模型在临床应用中对相机适配要求。方法:提出一种名为单通道标准差归一化(Single Channel Standard Deviation Normalization,SCSDN)的方法,该方法可以在训练数据机型来源单一的情况下,大幅提升模型在其他未见机型上的性能表现,提升模型在不同人群和不同设备采集数据的一致性。两个独立的眼底图像识别任务被用于检验该一致性,分别是基于年龄预测和DR的诊断分类。结果:相较于传统方法,SCSDN可以将年龄预测的平均绝对误差从5.850岁降低至2.793岁,并将对应的决定系数从0.453提升到0.884。在DR的分类任务中SCSDN可以将外部验证集的AUC从0.875提升到0.938。结论:本方案可以显著提升模型在不同眼底相机图像上的年龄预测和DR分类的识别准确性,减少模型在不同眼底相机拍摄的图片中预测的偏差,提高人工智能模型在临床应用中的适用范围。

• 单位
  安徽省立医院; 中国科学技术大学