本案例研究聚焦于人工智能驱动的糖尿病视网膜病变（DR）检测，以及精确的医学影像在提升诊断效果中的关键作用。高速、经过专家验证的标注在提供可靠扫描分析和早期DR识别所需的精准数据方面发挥着至关重要的作用。数据标注能力确保人工智能模型能够利用高质量信息进行训练，从而实现更准确、更高效的诊断。
客户
该项目是领先的医疗研发机构与MulticoreWare合作，旨在通过对医学影像进行标注, 开发一款人工智能驱动的糖尿病视网膜病变（DR）早期检测与诊断解决方案。该倡议旨在提升诊断准确性和可及性，尤其针对眼科医生资源匮乏且工作负荷较重的地区
挑战
糖尿病视网膜病变是糖尿病患者视力障碍的主要原因之一，需要早期检测以防止严重并发症。传统诊断依赖于对眼底图像的手动检查，这一过程耗时且受临床医生操作差异的影响。在医疗资源匮乏地区，诊断延迟常导致患者病情加剧。因此，亟需一种自动化、准确且可扩展的人工智能解决方案，以提升诊断效率并确保在不同医疗环境中的一致性。
解决方案
MulticoreWare 开发了一套稳健的机器学习流水线，用于处理标注的视网膜眼底图像数据集。图像采用多边形标注法和颜色编码图层对病理特征（如微动脉瘤、出血、渗出物、棉絮斑和新生血管）进行标注，以区分健康与异常区域。MulticoreWare 设计了下述标注指南，并在项目中有效实施。
图像级标注：
采用糖尿病视网膜病变的标准分级系统，如国际临床糖尿病视网膜病变（ICDR）量表：
o 无糖尿病视网膜病变（DR）：未检测到异常。
o 轻度DR：仅有微动脉瘤。
o 中度DR：除微动脉瘤外，还存在其他病变，但程度轻于增殖性DR。
o 重度DR：视网膜内出血、四象限均有微动脉瘤，且可能伴有静脉珠状变。
o 增殖性糖尿病视网膜病变：新生血管形成或玻璃体/视网膜前出血。
对象级别注释：
| 病理特征 | 描述 | 标注指南 |
|---|---|---|
|
微动脉瘤 |
细小的红色斑点（毛细血管的局部膨出）。 |
标记为点或小圆形区域 |
|
出血 |
深红色斑点由血液渗漏引起。 |
标注形状不规则且有出血外观的区域
|
|
渗出物 |
黄白色斑点（脂质沉积）。 |
勾勒明亮区域，尤其靠近黄斑处。 |
|
棉絮斑 |
白色斑块由神经纤维损伤引起。 |
将白色绒毛状区域标记为不规则多边形。 |
|
新生血管形成 |
新生异常血管。 |
使用线条标注分支血管 |
|
黄斑水肿 |
黄斑区或其周围的肿胀。 |
若可见，标注黄斑中心凹附 近的肿胀区域。 |
|
玻璃体出血 |
玻璃体腔内出血。 |
标注覆盖视网膜的大片暗色区域。 |
|
视盘 |
眼球后部视网膜上圆形、淡黄色的部分 |
标注视神经与视网膜交汇处的圆形淡黄色区域 |
Annotated Image of Retinal Fundus
技术应用
自定义标注工具
- 我们使用了自主研发的自定义标注工具，高效地对视网膜图像进行标注。
- 该工具专为处理各类高精度医学图像标注而设计，确保标注的准确性、安全性和一致性。
标注方法
o 我们采用语义分割技术对视网膜图像的不同区域进行标注。该方法使我们能够精确分割并分类图像中的各类结构，从而便于进行详细分析和模型训练。
o 通过使用自定义标注工具，我们确保了工作流程的顺畅性，并保持了高质量的标注数据，以实现模型性能的优化。
业务影响
o MulticoreWare 的 AI 驱动标注技术革新了糖尿病视网膜病变筛查流程，使其更加快速、精准且可扩展。
o 自动化分析缩短了诊断时间，而基于人工智能的分类提升了准确性并最大限度地减少了人为误差。
o 该系统处理大量数据的能力使其在资源有限的医疗环境中尤为有效，从而在临床实践中实现了人工智能驱动筛查的更广泛应用。
结论
通过先进的医学影像标注和人工智能驱动的诊断技术，MulticoreWare与医疗研发机构合作，成功提升了糖尿病视网膜病变的检测能力。我们在人工智能驱动的医疗解决方案领域的专业能力，持续推动着医学影像领域的创新与可及性。
如需了解如何将人工智能创新应用于医疗领域，请联系我们：info@multicorewareinc.com
