Model pembelajaran mendalam baru membantu penyaringan otomatis dari

Model pembelajaran mendalam (DL) baru yang dapat mengidentifikasi fitur terkait penyakit dari gambar mata telah diungkapkan oleh sekelompok peneliti Universitas Tohoku. Model DL ‘ringan’ ini dapat dilatih dengan sejumlah kecil gambar, bahkan gambar dengan tingkat noise yang tinggi, dan hemat sumber daya, artinya dapat diterapkan pada perangkat seluler.

Detailnya dipublikasikan di jurnal Laporan Ilmiah pada 20 Mei 2022.

Dengan banyak masyarakat yang menua dan tenaga medis yang terbatas, model DL yang bergantung pada pemantauan mandiri dan skrining penyakit jarak jauh menjadi lebih rutin. Namun, algoritme pembelajaran mendalam umumnya khusus untuk tugas, dan mengidentifikasi atau mendeteksi objek umum seperti manusia, hewan, atau rambu jalan.

Mengidentifikasi penyakit, di sisi lain, menuntut pengukuran yang tepat dari tumor, volume jaringan, atau jenis kelainan lainnya. Untuk melakukannya memerlukan model untuk melihat gambar terpisah dan menandai batas dalam proses yang dikenal sebagai segmentasi. Namun prediksi yang akurat membutuhkan hasil komputasi yang lebih besar, sehingga sulit untuk diterapkan pada perangkat seluler.

“Selalu ada trade-off antara akurasi, kecepatan dan sumber daya komputasi ketika datang ke model DL,” kata Toru Nakazawa, rekan penulis studi dan profesor di Departemen Oftalmologi Universitas Tohoku. “Model yang kami kembangkan memiliki akurasi segmentasi yang lebih baik dan reproduktifitas pelatihan model yang ditingkatkan, bahkan dengan parameter yang lebih sedikit — menjadikannya efisien dan lebih ringan jika dibandingkan dengan perangkat lunak komersial lainnya.”

Profesor Nakazawa, Associate Professor Parmanand Sharma, Dr Takahiro Ninomiya, dan mahasiswa dari Departemen Oftalmologi bekerja dengan profesor Takayuki Okatani dari Sekolah Pascasarjana Ilmu Informasi Universitas Tohoku untuk menghasilkan model.

Menggunakan perangkat sumber daya rendah, mereka memperoleh pengukuran zona avaskular foveal, wilayah dengan fovea centralis di tengah retina, untuk meningkatkan skrining glaukoma.

“Model kami juga mampu mendeteksi/segmentasi cakram optik dan perdarahan pada gambar fundus dengan presisi tinggi,” tambah Nakazawa.

Di masa depan, kelompok ini berharap dapat menerapkan model ringan untuk menyaring gangguan mata umum lainnya dan penyakit lainnya.

Sumber Cerita:

Materi disediakan oleh Universitas Tohoku. Catatan: Konten dapat diedit untuk gaya dan panjangnya.

Komputasi Seluler