โมเดลการเรียนรู้เชิงลึกใหม่ช่วยคัดกรองความผิดปกติของดวงตาทั่วไปโดยอัตโนมัติ

โมเดลการเรียนรู้เชิงลึก (DL) ใหม่ที่สามารถระบุลักษณะที่เกี่ยวข้องกับโรคจากภาพ ดวงตา ได้รับการเปิดเผยโดยกลุ่มนักวิจัยของมหาวิทยาลัย Tohoku โมเดล DL ที่ 'น้ำหนักเบา' นี้สามารถฝึกกับรูปภาพจำนวนน้อย แม้กระทั่งรูปภาพที่มีระดับสัญญาณรบกวนสูง และประหยัดทรัพยากร ซึ่งหมายความว่าสามารถติดตั้งบนอุปกรณ์เคลื่อนที่ได้รายละเอียดถูกตีพิมพ์ในวารสารScientific Reportsเมื่อวันที่ 20 พฤษภาคม 2022 ด้วยสังคมจำนวนมากที่ชราภาพและบุคลากรทางการแพทย์ที่จำกัด แบบจำลอง DL ที่พึ่งพาตนเองและการตรวจคัดกรองโรคทางไกลจึงกลายเป็นเรื่องปกติมากขึ้น อย่างไรก็ตาม อัลกอริทึมการเรียนรู้เชิงลึกมักเป็นงานเฉพาะ และระบุหรือตรวจจับวัตถุทั่วไป เช่น มนุษย์ สัตว์ หรือป้ายบอกทาง ในทางกลับกัน การระบุโรคนั้นต้องการการวัดที่แม่นยำของเนื้องอก ปริมาตรของเนื้อเยื่อ หรือความผิดปกติประเภทอื่นๆ ในการดำเนินการดังกล่าวต้องใช้แบบจำลองเพื่อดูภาพที่แยกจากกันและทำเครื่องหมายขอบเขตในกระบวนการที่เรียกว่าการแบ่งส่วน แต่การคาดคะเนที่แม่นยำต้องใช้เอาต์พุตทางการคำนวณที่มากกว่า ทำให้ปรับใช้บนอุปกรณ์พกพาได้ยาก Toru Nakazawa ผู้ร่วมวิจัยและศาสตราจารย์ภาควิชาจักษุวิทยาแห่งมหาวิทยาลัย Tohoku กล่าวว่า "มีการแลกเปลี่ยนระหว่างความแม่นยำ ความเร็ว และทรัพยากรการคำนวณอยู่เสมอ "โมเดลที่พัฒนาขึ้นของเรามีความแม่นยำในการแบ่งส่วนที่ดีขึ้นและความสามารถในการทำซ้ำของโมเดลเทรนนิ่งที่ได้รับการปรับปรุง แม้จะมีพารามิเตอร์น้อยลง ทำให้มีประสิทธิภาพและน้ำหนักเบามากขึ้นเมื่อเทียบกับซอฟต์แวร์เชิงพาณิชย์อื่นๆ" ศาสตราจารย์ Nakazawa, รองศาสตราจารย์ Parmanand Sharma, Dr. Takahiro Ninomiya และนักศึกษาจากภาควิชาจักษุวิทยาได้ทำงานร่วมกับศาสตราจารย์ Takayuki Okatani จาก Graduate School of Information Sciences ของมหาวิทยาลัย Tohoku เพื่อผลิตแบบจำลอง ด้วยการใช้อุปกรณ์ที่มีทรัพยากรต่ำ พวกเขาได้รับการวัดโซนโฟวอลเอวาคูลาร์ ซึ่งเป็นบริเวณที่มีโฟเวียเซ็นทรัลอยู่ตรงกลางเรตินา เพื่อปรับปรุงการตรวจคัดกรองโรคต้อหิน "แบบจำลองของเรายังสามารถตรวจจับ/แบ่งส่วนออปติกดิสก์และเลือดออกในภาพอวัยวะได้ด้วยความแม่นยำสูง" นากาซาวะกล่าวเสริม ในอนาคต กลุ่มนี้หวังว่าจะนำโมเดลน้ำหนักเบาไปใช้ในการตรวจหาความผิดปกติของดวงตาทั่วไปและโรคอื่นๆ