محققان در مقاله جدیدی، یک معماری دو لایه و بهینه (Edge-Cloud) برای غربالگری خودکار «رتینوپاتی دیابتی» معرفی کردهاند. این سیستم با استفاده از یک مدل سبک در لایه اول، تصاویر مشکوک را شناسایی کرده و تنها موارد نیازمند بررسی دقیقتر را به ابر (Cloud) میفرستد.
این روش نه تنها بار پردازشی و نیاز به اینترنت پرسرعت را تا ۵۰٪ کاهش میدهد، بلکه دقت بالایی را در تشخیص بیماریهای چشمی ارائه میکند؛ گامی مهم برای استفاده از هوش مصنوعی در محیطهای درمانی با منابع محدود.
منبع: arXiv Computer Vision