Retina-RAG: Framework AI per diagnosi retinica e generazione di referti
Un nuovo framework chiamato Retina-RAG è stato introdotto dai ricercatori, integrando un classificatore retinico con il modello visione-linguaggio Qwen2.5-VL-7B-Instruct e potenziato tramite Low-Rank Adaptation (LoRA). Questo strumento mira a valutare la gravità della retinopatia diabetica, rilevare l'edema maculare e produrre documentazione clinica. Il suo modulo di generazione aumentata da recupero migliora le prestazioni diagnostiche incorporando dati oftalmici. Retina-RAG vanta risultati impressionanti, con un punteggio di 0,731 per la classificazione della retinopatia diabetica e 0,948 per il rilevamento dell'edema maculare, superando significativamente le precedenti prestazioni zero-shot di Qwen. Questo sistema versatile ed economico è progettato per un'integrazione fluida dei componenti. La ricerca è pubblicata su arXiv con identificativo 2605.06173.
Fatti principali
- Retina-RAG esegue congiuntamente la classificazione della gravità della RD, il rilevamento dell'EM e la generazione di referti.
- L'architettura disaccoppia un classificatore retinico e Qwen2.5-VL-7B-Instruct adattato tramite LoRA.
- Il modulo RAG inietta conoscenze oftalmiche e output strutturati del classificatore durante l'inferenza.
- F1-score di 0,731 per la classificazione della RD e 0,948 per il rilevamento dell'EM.
- Supera Qwen zero-shot (0,096 per RD, 0,732 per EM).
- Framework modulare a basso costo che consente un'integrazione flessibile dei componenti.
- Mira a migliorare la coerenza diagnostica e ridurre le allucinazioni.
- Pubblicato su arXiv con ID 2605.06173.
Entità
Istituzioni
- arXiv