Cet article a été révisé selon Science X processus éditorial
et Stratégies.
Éditeurs ont mis en avant les attributs suivants tout en assurant la crédibilité du contenu :
D’accord!
par Organisation de recherche sur l’information et les systèmes
Précision de l’estimation du modèle d’IA d’estimation du sexe développé cette fois-ci (base des barres : taille du fichier du modèle). Crédit : NII
× fermer
Précision de l’estimation du modèle d’IA d’estimation du sexe développé cette fois-ci (base de barres : taille du fichier du modèle). Crédit : NII
La Société japonaise d’ophtalmologie et l’Institut national d’informatique ont développé et rendu public un modèle d’IA pour estimer le sexe d’un individu à partir d’images du fond d’œil, en utilisant les données collectées par le Japan Ocular Imaging Registry (JOIR), une base de données ophtalmologique nationale établie avec le soutien du Agence japonaise des sciences médicales et de la santé (AMED).
Nous espérons que les chercheurs appliqueront ce modèle d’IA dans leurs recherches futures, et il contribuera à élucider la physiopathologie des maladies dont la fréquence d’apparition diffère en fonction du sexe biologique.
L’apprentissage profond est apparu comme une avancée majeure dans l’apprentissage automatique et est largement utilisé dans l’intelligence artificielle (IA), en particulier dans la reconnaissance d’images. De nombreux rapports suggèrent que la précision de la reconnaissance d’images a dépassé celle des humains.
En 2017, NII a créé le Centre de recherche sur le Bigdata médical (RCMB) pour développer l’IA d’assistance médicale et a créé une base de données de Big Data d’images médicales. NII a également développé et exploite un environnement cloud intégré (plateforme cloud) équipé de serveurs de données haute capacité et de serveurs GPU pour le calcul d’apprentissage automatique.
Les chercheurs en analyse d’images médicales du Japon, y compris l’Université de Nagoya, sont connectés à la plateforme cloud dans le cadre de l’équipe d’analyse du NII et collaborent pour mener la recherche et le développement de diverses IA d’assistance médicale.
En 2019, JOS a créé le registre japonais d’imagerie oculaire de la General Incorporated Association (JOI Registry ou JOIR) pour collecter diverses données ophtalmiques provenant d’établissements liés à l’ophtalmologie à l’échelle nationale, dans le but de promouvoir et de soutenir la recherche et le développement de l’IA d’assistance médicale. Les images ophtalmiques collectées dans la base de données JOIR sont anonymisées et envoyées à l’infrastructure cloud de NII pour développer une IA de support médical en utilisant les ressources informatiques disponibles sur l’infrastructure cloud.
Ces dernières années, le développement de l’IA utilisant des images médicales a progressé rapidement, et il est devenu évident qu’il est possible non seulement de déterminer la présence ou l’absence d’une maladie, mais également d’estimer l’état de la personne dont l’image a été prise.
Il est devenu clair que l’IA peut être utilisée pour estimer l’âge, le sexe, le tabagisme, le taux de sucre dans le sang, etc., à partir d’images du fond d’œil prises de la rétine, qui est la partie de l’œil qui détecte la lumière, et des informations obtenues à partir de ces images. est utilisé par les ophtalmologistes. Il a le potentiel d’être utilisé dans la recherche médicale ciblant non seulement les maladies régionales mais également diverses maladies systémiques. Cependant, dans les recherches rapportées jusqu’à présent, l’IA développée n’a pas été rendue publique, il n’a donc pas été possible de l’utiliser pour d’autres recherches.
Pour résoudre ce problème, JOS a collaboré avec NII pour développer une IA qui estime l’âge d’une personne sur la base d’images du fond d’œil, et en janvier 2023, le modèle d’IA (méthode d’estimation) a été mis gratuitement à la disposition d’un large éventail de chercheurs. Dans un deuxième temps, nous avons développé une IA qui estime le sexe biologique à partir d’images du fond d’œil et la mettons gratuitement à la disposition du public.
Le modèle que nous avons développé a utilisé 131 031 images du fond d’œil de personnes âgées de 17 à 94 ans avec des étiquettes de sexe comme données de formation et a effectué un apprentissage en profondeur avec le genre comme réponse correcte. Pendant la formation, nous avons utilisé 16 modèles d’apprentissage profond populaires (DenseNet-121/169/201, Inception-V3, Inception-ResNet-V2, MobileNet, MobileNetV2, Xception, EfficientNet-B0/B1/B2/B3/B4/B5/B6. /B7).
En conséquence, la précision avec laquelle le sexe estimé à partir des images du fond d’œil des données de validation correspondait au sexe réel était de 92,0 % (AUC 0,971) pour le modèle le plus élevé, ce qui équivaut aux modèles d’estimation du sexe utilisés pour d’autres races. Parmi ceux-ci, nous publierons deux modèles : EfficientNet-B7, qui était le plus précis, et MobileNet, qui était léger et très précis.
En utilisant ces modèles d’IA, les chercheurs peuvent élucider la physiopathologie de maladies dont la fréquence d’apparition diffère en fonction du sexe biologique ou compléter les informations lorsque les informations sexuelles manquent dans leurs recherches.
Plus d’information:
Le modèle peut être téléchargé depuis la page Web de JOIR à l’URL suivante :
Fourni par l’Organisation de recherche sur l’information et les systèmes
2024-01-19 22:41:33
1705695420
#Diffusion #publique #lIA #pour #estimer #sexe #biologique #partir #dimages #fond #dœil