Cascata Edge-Cloud per lo Screening Automatico della Retinopatia Diabetica
È stato introdotto un nuovo sistema innovativo edge-cloud per lo screening retinico automatizzato, volto a migliorare l'assistenza sanitaria nelle aree rurali. Questo framework a due livelli utilizza un modello MobileNetV3-small nelle cliniche locali per distinguere tra retinopatia diabetica (RD) riferibile e non riferibile. Per i casi che necessitano di ulteriore valutazione, il modello RETFoundDINOv2 nel cloud valuta la gravità dell'immagine. Nei test condotti sul dataset APTOS 2019 Blindness Detection, che includeva 733 immagini, il sistema ha dimostrato una sensibilità notevole del 98,99% e una specificità dell'84,37%. Questo metodo riduce efficacemente la latenza, la larghezza di banda e i costi di trasferimento dei dati ottimizzando l'elaborazione nel cloud.
Fatti principali
- La retinopatia diabetica è una delle principali cause di cecità prevenibile.
- Le regioni rurali mancano di specialisti e infrastrutture per la diagnosi precoce.
- L'apprendimento profondo basato su cloud affronta sfide: alta latenza, larghezza di banda limitata, costi elevati di trasmissione dati.
- La cascata edge-cloud a due livelli proposta utilizza MobileNetV3-small per il Livello 1.
- Il Livello 1 esegue un triage binario: RD Riferibile (Classi 2-4) vs RD Non Riferibile (Classi 0-1).
- Il Livello 2 utilizza il modello RETFoundDINOv2 nel cloud per la classificazione ordinale della gravità.
- Solo le immagini classificate come riferibili dal Livello 1 vengono inviate al Livello 2.
- Testato su una suddivisione stratificata del dataset APTOS 2019 di 733 immagini.
- Il Livello 1 ha raggiunto una sensibilità del 98,99% e una specificità dell'84,37%.
Entità
—