糖尿病性视网膜病变(DR)，视网膜并发症带来的糖尿病这是欧洲25岁至60岁成年人视力下降最常见的原因之一。如果早期发现，治疗可以有效减少或防止视力下降。然而，到目前为止，只有少数几个国家实施了全国性的筛查计划，即使这样，费用也很高。
作为fortiss支持的FED4SAE创新措施的一部分，Ubotica技术公司在公开电话会议中胜出，并开发了一种基于深度学习的解决方案，用于检测视网膜图像中DR指标的存在。这些DR指示器可以在特殊视网膜和眼底相机的帮助下被识别。
通过使用fortiss开发的神经网络可靠性工具包(NNDK)软件，研究人员能够改进深度学习模型，以便它可以直接用于眼底相机。开发该解决方案是为了提供帮助眼科医生为此，在NNDK的帮助下，该解决方案还提供了有关进行评估的基础的信息。
广告
广告
动机
开发的目标是创建一个工作原型，演示视网膜眼底图像的分类存在的DR指标。然而，由于他们的数据管理方法，机器学习算法固有的不确定性限制了集成到这种类型的分类系统，特别是在这样一个安全关键的应用。
就业方面的主要挑战人工智能基于人工智能(AI)的解决方案，一方面涉及对人工神经网络(ANN)决策的可靠性就鲁棒性、可解释性和准确性做出声明的能力，另一方面涉及对神经网络决策的连续监控。
解决方案
神经网络是由许多小单元(神经元)组成的具有高度连通性的人工网络。单个的神经元是自适应的，这意味着网络能够学习。近年来，神经网络在自动驾驶、图像识别、物体检测和感知以及决策等领域得到了广泛的应用。问题是这些自适应组件很难用传统方法测试。特别是对于人工神经网络支持的医学图像分类，确定人工神经网络对噪声甚至恶意操作的传感器数据的鲁棒性至关重要。由于目前还没有可靠的神经网络开发方法，因此对用于测量重要可靠性特征的各种度量指标也有很大的需求。
Ubotica利用35000张免费提供的、预先分类的视网膜图像，训练了一个基于深度学习的神经网络用于DR指示。该技术方案利用了英特尔公司的Movidius Myriad X视觉处理单元(VPU)，这是一种电子处理器单元，可以直接集成到眼底相机中。VPU首先利用其集成的图像滤波功能对视网膜图像进行预处理。然后利用训练好的神经网络对视网膜图像进行DR指标筛选。在神经网络的开发中使用NNDK，通过各种指标来评估其性能，从而进一步改进模型。
NNDK是fortiss开发的一个开源工具箱，用于支持安全工程和更好地理解神经网络，它帮助验证、测试用例生成和神经网络指标的计算。该平台依靠形式化的方法来建模和严格测试计算机系统，以验证安全关键系统的准确性，并为神经网络的质量辩护。这使得神经网络的发展更加稳健、可靠、可解释和值得信赖。
NNDK软件的主要功能包括:
- 一种形式论证机器，用于确保泛化不会导致不希望的行为
- 用于表明产品生命周期中充分消除不确定性的新可靠性度量
- 运行时监测，争论是否神经网络的决定是支持在操作期间通过之前的相似点在训练数据
在DR检测系统的开发中，NNDK可靠性指标及其对运行时监控的支持发挥了特殊的作用。在计算神经元覆盖率的特殊度量的帮助下，神经网络的大小可以减少74%，例如——在对视网膜图像进行分类时，不会显著影响其准确性——从而显著加快分类结果的计算。
此外，利用运行时监控功能向摄像机用户显示与分析图像最匹配的训练图像。这使得检查图像的人可以对人工智能技术做出的决定进行额外的独立审查，从而用一个可验证的人工智能元素补充在线DR检测。
价值主张
开发的解决方案的目的不是用视网膜眼底图像筛查取代医学专家，而是通过建立初步分类来支持检查医生的作用。同样重要的是，fortiss为医疗专业人员增加了一个解释组件，这加强了人们对人工智能技术所做决定的信任。因此，该软件可以帮助眼科医生精确、一致地评估和诊断DR。
Ubotica正与视网膜相机制造商和爱尔兰公共卫生服务机构合作，在市场上建立解决方案。NNDK软件中监视ann所做决策的功能为解决方案集成商提供了一个显著的优势。利用Ubotica的技术将大大提高相机的效率，以及眼科医生的方法。
来源:富通GmbH是一家
