可边缘部署的轻量级深度学习用于基于正位 OCT 的高血压视网膜病变分级:一项患者层面的可行性研究
《Bioengineering》:Edge-Deployable Lightweight Deep Learning for Hypertensive Retinopathy Grading from En-Face OCT: A Patient-Level Feasibility Study
【字体:
大
中
小
】
时间:2026年08月27日
来源:Bioengineering 3.7
编辑推荐:
摘要 背景:高血压视网膜病变(HR)是高血压相关终末器官损伤的早期标志物,多等级分类受限于早期阶段之间的重叠。此前没有研究报告过基于光学相干断层扫描(OCT)的可边缘部署的 HR 分级。我们评估了基于面内 OCT 的、经
摘要
背景:高血压视网膜病变(HR)是高血压相关终末器官损伤的早期标志物,多等级分类受限于早期阶段之间的重叠。此前没有研究报告过基于光学相干断层扫描(OCT)的可边缘部署的 HR 分级。我们评估了基于面内 OCT 的、经患者级验证的四级 HR 分类,并采用设备端推理。 方法:在来自 221 名患者的 478 张面内 OCT 图像上评估了 MobileViT-XXS 和 EfficientNetV2-B0。为避免数据泄漏,所有划分均基于患者级别:采用患者不重叠测试集的分层组 5 折交叉验证。每个模型作为 5 折软投票集成进行评估,并在 NVIDIA Jetson Orin Nano 上进行推理性能分析。报告了准确率、加权 F1、二次加权 Kappa 和 ROC-AUC;通过 McNemar 检验比较模型,并通过可转诊 HR(≥ 2 级)分诊评估临床效用。 结果:MobileViT-XXS 取得了 84.4% 的准确率,ROC-AUC 为 0.944,二次加权 Kappa 为 0.916,显著优于 EfficientNetV2-B0(McNemar 检验 p = 0.013)。轻度等级的重叠限制了四分类的准确率,但可转诊 HR 分诊达到了 95.6% 的准确率,95.2% 的敏感性和 95.8% 的阴性预测值。MobileViT-XXS 仅需 3.83 MB,而 EfficientNetV2-B0 需 23.70 MB,设备端 TensorRT FP16 五折集成推理在 8.9 W 下达到 10.4 毫秒(96 FPS)。 结论:轻量级模型实现了可行的、低功耗的基于面内 OCT 的床旁 HR 分诊;需要进行更广泛的多中心验证。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号