学术研究
研究:视盘区眼底图像仍可被深度学习用于身份比对
研究者使用美国巴斯科姆·帕尔默眼科研究所4500名受试者、7724只眼的30836张彩色眼底照片,把每张照片处理为全视野眼底图、包含视盘周围0.5个视盘直径视网膜的视盘区图、仅含视盘的紧密裁剪图三种形式,分别训练孪生卷积神经网络进行生物识别验证。三类图像都保留了可测量的个体特征:全视野模型AUC 0.992、等错误率4.4%,视盘区模型AUC 0.989、等错误率5.5%,仅视盘模型AUC 0.969、等错误率10.5%;准确率分别为0.968、0.945和0.919。仅视盘图像的表现显著差于全视野图像,视盘区与全视野差别不显著。作者提醒,即便只共享局部视网膜图像,也要谨慎对待数据共享。
#生物识别#眼底图像#人工智能
PubMed Ophthalmology