Impact of Experimental Design in Age Prediction from Retinal Fundus Images

概要

Artificial intelligence (AI) provides promising insights to improve and support medical diagnostics. However, the design of AI systems can strongly affect the performance in clinical applications. This study aims to evaluate the impact of different design parameters, including image pre-processing, network architectures, loss functions, transfer learning, and data augmentation. As a case study, we focused on the prediction of age from retinal fundus images, which has been proven to be a crucial biomarker for general health screening. Considering all parameter combinations, we developed 144 models using UK Biobank images. Our preliminary analysis shows the critical influence of network architecture and training strategies, highlighting the need for careful selection tailored to the specific task and available data. Moreover, we demonstrate that certain image pre-processing approaches may not generalize well across different tasks and are not optimal for retinal age prediction. Our findings contribute to and offer valuable insights for standardized AI system design in medicine, contributing to improved reproducibility and reliability in the clinical domain.

Jovana Panic

特任研究員

早志英朗

准教授

深層学習やベイズ推定を基盤とした機械学習アルゴリズムの開発を中心に、生体信号解析、医用画像処理などの応用研究に従事。

中島悠太

教授

コンピュータビジョン・パターン認識などの研究。ディープニューラルネットワークなどを用いた画像・映像の認識・理解を主に、自然言語処理を援用した応用研究などに従事。

長原一

教授

コンピューテーショナルフォトグラフィ、コンピュータビジョンを専門とし実世界センシングや情報処理技術、画像認識技術の研究を行う。さらに、画像センシングにとどまらず様々なセンサに拡張したコンピュテーショナルセンシング手法の開発や高次元で冗長な実世界ビッグデータから意味のある情報を計測するスパースセンシングへの転換を目指す。