Nieuws

Dit werk beschrijft de ontwikkeling van een deep learning algoritme (DLA) voor de detectie van neovasculaire AMD (nAMD) op basis van een grote door specialisten geannoteerde dataset van 56.113 beelden. Onder een onafhankelijke, lokale validatie dataset van 5554 beelden (inclusief 18,4% nAMD gevallen) afkomstig van een reeks aanbieders en cameramodellen, behaalde onze DLA robuuste prestaties voor nAMD (AUC = 0,995).

Dit is een van de eerste studies die een deep learning systeem bouwt voor de classificatie van Glaucomatous Optic Neuropathy op kleuren fundusfoto’s en die een grootschalige evaluatie uitvoert voor de werkzaamheid van het algoritme op multi-cohorten.

Deze studie geeft een uitgebreid overzicht van de ontwikkeling en validatie van AI-gebaseerde deep-learning algoritmen voor de detectie van verwijzende diabetische retinopathie (DR). Dit AI-gebaseerde deep learning model toont robuuste prestaties in het detecteren van visusbedreigende doorverwijsbare DR (ernstige DR of erger, DME, of beide) op netvliesbeelden van een multi-etnische steekproef.

Een goedgekeurde subsidie (1 miljoen, 2019-2022) in samenwerking met academische partner het Centre for Eye Research Australia (CERA). Eyetelligence is een industriële partner die technologie en producten levert om het project te ondersteunen.

Subsidie MRFF 2019 Toegepast onderzoek naar kunstmatige intelligentie in de gezondheidszorg

De enige industriële partner voor deze subsidieaanvraag die in 2020 is ingediend.