Un grupo de investigadores de la Universidad de Tohoku ha presentado un nuevo modelo de aprendizaje profundo (DL) que puede identificar características relacionadas con enfermedades a partir de imágenes de ojos. Este modelo DL ‘ligero’ se puede entrenar con una pequeña cantidad de imágenes, incluso aquellas con un alto grado de ruido, y es eficiente en cuanto a recursos, lo que significa que se puede implementar en dispositivos móviles.
Los detalles fueron publicados en la revista. Informes científicos el 20 de mayo de 2022.
Con el envejecimiento de muchas sociedades y el personal médico limitado, el autocontrol basado en el modelo DL y la teledetección de enfermedades se están volviendo más rutinarios. Sin embargo, los algoritmos de aprendizaje profundo generalmente son específicos de tareas e identifican o detectan objetos generales como humanos, animales o señales de tráfico.
La identificación de enfermedades, por otro lado, exige la medición precisa de tumores, volumen de tejido u otros tipos de anomalías. Para hacerlo, se requiere que un modelo mire imágenes separadas y marque los límites en un proceso conocido como segmentación. Pero la predicción precisa requiere una mayor producción computacional, lo que dificulta su implementación en dispositivos móviles.
«Siempre hay un compromiso entre precisión, velocidad y recursos computacionales cuando se trata de modelos DL», dice Toru Nakazawa, coautor del estudio y profesor del Departamento de Oftalmología de la Universidad de Tohoku. «Nuestro modelo desarrollado tiene una mejor precisión de segmentación y una mejor reproducibilidad del entrenamiento del modelo, incluso con menos parámetros, lo que lo hace más eficiente y liviano en comparación con otros softwares comerciales».
El profesor Nakazawa, el profesor asociado Parmanand Sharma, el Dr. Takahiro Ninomiya y los estudiantes del Departamento de Oftalmología trabajaron con el profesor Takayuki Okatani de la Facultad de Ciencias de la Información de la Universidad de Tohoku para producir el modelo.
Usando dispositivos de bajo recurso, obtuvieron mediciones de la zona avascular foveal, una región con la fóvea central en el centro de la retina, para mejorar la detección del glaucoma.
«Nuestro modelo también es capaz de detectar/segmentar discos ópticos y hemorragias en imágenes de fondo de ojo con alta precisión», agregó Nakazawa.
En el futuro, el grupo tiene la esperanza de implementar el modelo liviano para detectar otros trastornos oculares comunes y otras enfermedades.
Fuente de la historia:
Materiales proporcionado por Universidad de Tohoku. Nota: el contenido se puede editar por estilo y longitud.