人工智能工具之前已經(jīng)接受過使用視網(wǎng)膜圖像檢測疾病的訓練，但這款名為 RETFound 的新工具的特殊之處在于，它是使用一種稱為自我監(jiān)督學習的方法開發(fā)的。這意味著研究人員不必分析用于訓練的 160 萬張視網(wǎng)膜圖像中的每一張，并將它們標記為“正常”或“不正常”等。此類過程既耗時又昂貴，并且在大多數(shù)標準機器學習模型的開發(fā)過程中都是必需的。
相反，科學家們使用了一種類似于訓練 ChatGPT 等大型語言模型的方法。該人工智能工具利用無數(shù)人類生成的文本示例來學習如何從前面單詞的上下文中預測句子中的下一個單詞。以同樣的方式，RETFound 使用大量視網(wǎng)膜照片來學習如何預測圖像缺失部分的外觀。
“在數(shù)百萬張圖像的過程中，模型以某種方式了解了視網(wǎng)膜的樣子以及視網(wǎng)膜的所有特征是什么，”倫敦 Moorfields 眼科醫(yī)院 NHS 基金會信托基金的眼科醫(yī)生皮爾斯·基恩 (Pearse Keane) 說，他是一篇論文的合著者今天發(fā)表在Nature 1上，描述了該工具。這構成了模型的基石，并將其歸類為某些人所說的基礎模型，這意味著它可以適用于許多任務。
一個人的視網(wǎng)膜可以提供了解其健康狀況的窗口，因為它們是人體唯一可以直接觀察到由最小血管組成的毛細血管網(wǎng)絡的部分。“如果您患有某些系統(tǒng)性心血管疾病，例如高血壓，它可能會影響您體內的每條血管，我們可以直接在視網(wǎng)膜圖像中將其可視化，”基恩說。
科學家們使用 ChatGPT 從頭開始??生成整篇論文 - 但這有什么好處嗎?
視網(wǎng)膜也是中樞神經(jīng)系統(tǒng)的延伸，與大腦有相似之處，這意味著視網(wǎng)膜圖像可用于評估神經(jīng)組織。“問題在于，很多時候人們不具備解讀這些掃描的專業(yè)知識。這就是人工智能發(fā)揮作用的地方，”基恩說。
一旦他們對 160 萬張未標記的視網(wǎng)膜圖像進行了 RETFound 預訓練，Keane 和他的同事就可以引入少量標記圖像(例如，100 張來自帕金森病患者的視網(wǎng)膜圖像和 100 張來自未患帕金森病患者的視網(wǎng)膜圖像)進行教學。特定條件下的模型。基恩說，從所有未標記的圖像中了解了視網(wǎng)膜應該是什么樣子后，該模型就能夠輕松地了解與疾病相關的視網(wǎng)膜特征。
標簽：
免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關。財經(jīng)信息僅供讀者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！