基于超过10万张眼底图像的疾病特定基础模型：释放与验证异常及多疾病分类的下游任务
该综述论文介绍了143篇深度学习在眼底图像方面的应用研究以及33个公开数据集，并对每个任务进行了总结和分析，并揭示了所有任务的共同局限性并提出了可能的解决方案。
Jan, 2021
我们使用全局可解释性方法建立了一个多疾病的深度学习模型来检测超广角成像中的视网膜疾病，发现在这些图像中最重要的区域是后极区域，只利用后极区域周围10%的图像即可实现与使用整个图像相当的性能。
Mar, 2022
应用人工智能技术于医疗市场在及时诊断类似糖尿病视网膜病变这类悄无声息的疾病方面引发了日益关注，我们通过提出一种新型的卷积神经网络模型，借助眼底图像作为输入，可以识别到糖尿病视网膜病变的严重程度，并通过卷积层对微小动脉瘤、棉絮斑、渗出物和出血等四种已知视网膜病变特征进行分类，能够提供准确的诊断结果并且不需要额外用户输入，我们提供了初步结果表明灵敏度为97%准确性为71%，我们的贡献在于提供了一种可解释性更强且与更复杂模型具有相似准确性的模型，我们的模型推动了糖尿病视网膜病变检测领域的发展，是向以人工智能为重点的医学诊断迈进的重要一步。
Oct, 2023
使用基于Imagnet预训练的深度学习模型是处理医学图像分类中数据稀缺性的传统解决方案。然而，相关文献支持此策略可能由于领域之间的高差异性而带来有限的增益。目前，适应领域专业化基础模型的范式证明是一种有前景的替代选择。本文通过CGI-HRDC高血压性视网膜病变诊断的眼底图像挑战赛，评估了最近发布的视觉-语言基础模型FLAIR的可迁移性。我们探索了使用FLAIR特征作为眼底图像分类的起点的潜力，并将其性能与基于Imagenet初始化的两种流行的迁移学习方法（线性探测和微调）进行了比较。我们的实证观察表明，在任何情况下，传统策略的使用都提供了性能增益。相比之下，直接从FLAIR模型进行迁移可以获得2.5%的增益。当对整个网络进行微调时，性能差距增加到4%。在这种情况下，我们展示了通过使用分类器的线性探测初始化避免特征退化，以最佳方式重用丰富的预训练特征。尽管使用线性探测的直接迁移性仍然提供有限的性能，但我们相信FLAIR等基础模型将推动基于深度学习的眼底图像分析的发展。
Jan, 2024
我们提出了一个通用的无监督机器学习框架，可以处理不同的未标记的眼底图像，达到了超过现有监督方法的AUC，并且甚至超过了单个人类专家的表现。此外，我们的模型在来自不同地区、种族和多台相机或设备的异构图像源或质量的各种数据集上都适应良好。我们的方法提供了一个无需标签的通用框架来诊断眼底疾病，这可能有利于早期筛查视力受损风险的远程医疗计划。
Apr, 2024
该论文提出了一种快速、客观、准确的诊断与视网膜底层图像相关疾病的方法，采用多分类研究正常样本和13类疾病样本在STARE数据库上，测试集准确率达到99.96%，并与其他研究相比取得了最高准确率。创新地提出“基于分割的血管增强（SVE）”方法，经比较深度学习模型在SVE图像、原始图像和平滑Grad-CAM ++图像上的分类性能后，提取SVE图像的深度学习特征和传统特征并输入到九个元学习器进行分类，结果表明我们提出的UNet-SVE-VGG-MLP模型在STARE数据库上对与视网膜底层图像相关疾病的分类具有最佳性能，测试集的整体准确率达到99.96%，14个类别的加权AUC为99.98%。该方法可实现视网膜底层图像相关疾病的快速、客观、准确的分类与诊断。
May, 2024
研究开发了混合三元网络模型算法，通过使用包含基于传统转移学习的CNN模型、两阶段CNN模型和孪生网络的三个特征组件提取特征，以及集成机器学习算法进行诊断，实现了对12种常见和罕见眼病的准确诊断，其平均准确率为97%，AUC得分为0.96。该诊断工具为全球化早期发现常见和罕见眼病提供了稳定、适应性强、经济高效、易用和快速的解决方案。
May, 2024
本文介绍了一种使用超过400种眼底疾病信息的视网膜视觉语言基础模型（RetiZero），该模型通过收集341,896幅眼底图像和相关文本描述，从29个公开数据集、180本眼科书籍和在线资源中获取。RetiZero在零样本视网膜疾病识别、图像检索、内部领域和跨领域视网膜疾病分类以及有限样本微调等各种下游任务中取得了出色的性能，并能在不需要重新训练模型的情况下，通过零样本和图像检索方法实现与有经验的眼科医生相媲美的临床评估，从而加强了RetiZero基础模型在临床实施中的应用能力。
Jun, 2024
本研究解决了糖尿病视网膜病变早期诊断中渗出物检测的效率不足问题。通过提出一种轻量级卷积神经网络架构，并结合域特定数据增强和正则化技术，显著提升了模型的检测准确性和计算效率。研究表明，该模型在减少参数数量的同时，仍能实现90%的F1分数，有效促进了糖尿病视网膜病变的早期发现。
Aug, 2024