Aktuelle Nachrichten

Diese Arbeit beschreibt die Entwicklung eines Deep-Learning-Algorithmus (DLA) für die Erkennung von neovaskulärer AMD (nAMD) auf Basis eines großen, von Spezialisten annotierten Datensatzes von 56.113 Bildern. Unter einem unabhängigen, lokalen Validierungsdatensatz von 5554 Bildern (einschließlich 18,4 % nAMD-Fälle), die von einer Reihe von Anbietern und Kameramodellen stammen, erreichte unser DLA eine robuste Leistung für nAMD (AUC = 0,995).

Dies ist eine der ersten Studien, die ein Deep-Learning-System für die Klassifizierung von glaukomatöser Optikusneuropathie auf Farbfundusfotografien aufbaut und eine groß angelegte Evaluierung der Algorithmus-Effizienz auf Multi-Kohorten durchführt.

Diese Studie bietet einen umfassenden Überblick über die Entwicklung und Validierung von KI-basierten Deep-Learning-Algorithmen für die Erkennung von überweisbarer überweisbarer diabetischer Retinopathie (DR). Dieses KI-basierte Deep-Learning-Modell zeigt eine robuste Leistung bei der Erkennung von sehbedrohenden überweisbaren DR (schwere DR oder schlechter, DME oder beides) in Retinabildern einer multiethnischen Stichprobe.

Ein genehmigter Zuschuss (1 Million, 2019-2022) in Zusammenarbeit mit dem akademischen Partner Centre for Eye Research Australia (CERA). Eyetelligence ist ein industrieller Partner, der Technologie und Produkte zur Unterstützung des Projekts bereitstellt.

Der einzige Industriepartner für diesen Grant-Antrag im Jahr 2020.

Der einzige Industriepartner für diesen Grant-Antrag im Jahr 2020.