【摘 要】
：
目的 构建一个小样本超广角眼底照相(UWFI)多疾病分类人工智能模型,初步探究人工智能对UWFI多病种分类任务的能力.方法 回顾性研究.2016年至2021年于武汉大学人民医院眼科就诊并行UWFI检查的1123例患者的1608张图像用于UWFI多疾病分类人工智能模型构建.其中,糖尿病视网膜病变(DR)、视网膜静脉阻塞(RVO)、病理性近视(PM)、视网膜脱离(RD)、正常眼底图像分别为320、330、319、268、371张.来自天津医科大学眼科医院106例患者的135张图像作为外部测试集.选取Effic
【机 构】
：
武汉大学人民医院眼科中心,武汉430060;武汉爱眼帮科技有限公司,武汉430073;天津医科大学眼科医院、眼视光学院、眼科研究所天津市视网膜功能与疾病重点实验室天津市眼科学与视觉科学国际联合研究中心
论文部分内容阅读
目的 构建一个小样本超广角眼底照相(UWFI)多疾病分类人工智能模型,初步探究人工智能对UWFI多病种分类任务的能力.方法 回顾性研究.2016年至2021年于武汉大学人民医院眼科就诊并行UWFI检查的1123例患者的1608张图像用于UWFI多疾病分类人工智能模型构建.其中,糖尿病视网膜病变(DR)、视网膜静脉阻塞(RVO)、病理性近视(PM)、视网膜脱离(RD)、正常眼底图像分别为320、330、319、268、371张.来自天津医科大学眼科医院106例患者的135张图像作为外部测试集.选取EfficientNet-B7作为主干网络,对纳入的UWFI图像进行分类分析.使用受试者工作特征曲线及曲线下面积(AUC)、灵敏度、特异性、准确率评估分类模型在测试集上的表现,所有数据均使用数值及95％可信区间(a)表达.将数据集在网络模型ResNet50、ResNet 101上进行训练,并在外部测试集上进行测试,对比观察EfficientNet与上述两种模型的性能.结果 UWFI多疾病分类人工智能模型在内部、外部测试集上的总分类准确率分别为92.57％(95％CI91.13％～92.92％)、88.89％(95％CI 88.11％～90.02％).其中,正常眼底分别为96.62％、92.59％,DR分别为95.95％、95.56％,RVO分别为96.62％、98.52％,PM分别为98.65％、97.04％,RD分别为97.30％、94.07％.在内部、外部测试集上的平均AUC分别为0.993、0.983.其中,正常眼底分别为0.994、0.939,DR分别为0.999、0.995,RVO分别为0.985、1.000,PM分别为0.991、0.993,RD分别为0.995、0.990.内部、外部测试集上EfficientNet性能均较ResNet50、ResNet 101模型更佳.结论 初步构建的小样本UWFI多疾病分类人工智能模型对常见眼底疾病的分类水平较高,可能具有辅助临床筛查及诊断的价值.
其他文献
目的 评价目标教学法结合迷你临床演练评估在消化内科专业住院医师规范化培训中的作用,提高消化专科住院医师规范化培训的教学水平.方法 对2014年1月1日-2019年1月1日问进入消化内科进行三年住院医师规范化培训的医生132人随机分为传统教学方法组(n=65)和目标教学方法组(n=67),在住院医师进入消化内科培训前后随机进行两次Mini-CEX测评,并在培训后进行问卷调查.结果 两组的问卷调查结果整体比较显示目标教学组的“非常满意”比例明显高于传统组,“不满意”比例低于传统组(P=0.006,P＜0.05
新命名是基于近年光相干断层扫描(OCT)和OCT血管成像(OCTA)对新生血管性老年性黄斑变性(AMD)的认识提出的共识.命名委员会主要参与者是美国黄斑学会和法国联邦黄斑学会的医生,并集中了全球发表大量AMD文献的专家、AMD临床试验读片中心的代表和从事过AMD研究的眼病理学者.共识将新生血管性AMD改称为黄斑新生血管病(MNV),分为1型、2型、3型共3个亚型.
随着眼底成像技术的快速发展,在多模式影像新概念的基础上建立新生血管性老年性黄斑变性(nAMD)新命名系统对于指导临床工作具有重要意义.2020年,由视网膜专家、眼底读片专家以及眼病理学家组成的nAMD研究组经过反复讨论并达成共识,在原有荧光素眼底血管造影和病理认识的基础上,结合吲哚青绿血管造影、光相干断层扫描及光相干断层扫描血管成像等新型影像和当前的病理认识,建立了nAMD亚型和相关病变的新命名,以帮助眼底病医师对各种不同表现nAMD患者进行分组和研究.该共识提出术语“黄斑新生血管”,并将其分为1型、2型
目的 基于深度卷积神经网络(DCNN)方法自动测量彩色眼底像上全局和局部豹纹分布密度.方法 应用研究.将2021年5～7月于山东第一医科大学附属青岛眼科医院北部院区行近视手术的患者514例1028只眼的1005张彩色眼底像建立人工智能(AI)数据库.采用RGB颜色通道重标定方法(CCR算法)、基于Lab颜色空间的CLAHE算法、多重迭代照度估计的Retinex算法、具有色彩保护的多尺度Retinex算法对图像进行预处理.对比观察上述4种图像增强方法以及使用Dice损失、边缘重叠率损失和中心线损失对豹纹分割
目的 应用多模态深度学习模型对糖尿病视网膜病变(DR)超广角荧光素眼底血管造影(UWFA)图像进行病变程度的自动分级.方法 回顾性研究.2015年至2020年于武汉大学人民医院眼科中心就诊并接受UWFA检查的DR患者297例399只眼的798张图像作为模型的训练集和测试集.其中,无视网膜病变、非增生型DR(NPDR)、增生型DR(PDR)分别为119、171、109只眼.通过联合优化CycleGAN和卷积神经网络(CNN)分类器一种图像级监督深度学习模型,定位和评估DR患眼UWFA早期和晚期正位图像中的荧
目的 基于深度学习的双模态眼底照相机研究视网膜分支静脉阻塞(BRVO)患眼视网膜血氧饱和度及血管形态变化.方法 前瞻性研究.2020年5～10月于温州医科大学附属眼视光学院检查确诊的BRVO患者31例31只眼(BRVO组)和性别年龄匹配的健康志愿者20名20只眼(对照组)纳入研究.BRVO组31例31只眼中,既往接受1次玻璃体腔注射抗血管内皮生长因子药物治疗20例20只眼,未接受任何治疗11例11只眼;并据此分为治疗组、未治疗组.应用双模态眼底照相机采集视网膜图像;利用深度学习方法在黄斑感兴趣区域(MRO
目的 建立基于深度学习光相干断层扫描(OCT)图像眼底病变的眼底智能辅助诊断系统,初步评估其应用价值.方法 诊断性试验研究.2016年至2019年期间于浙江大学医学院附属第二医院眼科中心就诊的25000例患者的25000张OCT图像作为眼底智能辅助诊断系统的训练集和验证集.其中,黄斑前膜、黄斑水肿、黄斑裂孔、脉络膜新生血管(CNV)、老年性黄斑变性(AMD)各5000张.训练集、验证集分别为18124、6876张.通过迁移学习Attention ResNet结构算法,对OCT图像进行特征性病变识别,通过特
目前人工智能(AI)在多种眼科疾病的诊断治疗中取得了日益广泛的应用,但依然存在很多问题.由于AI产品的准确性缺乏标准测试集、金标准以及公认的评价体系,难以对多项研究结果进行横向比较.而在图像生成领域,评价体系更存在较大空白.在临床应用中,眼科AI研究常与临床实际需求脱节,被寄予了过高的期望,且对临床数据的质量及数量均具有较高的要求,限制了AI研究成果转化.利用眼底影像对全身性疾病进行预测、识别是新晋的研究热点,但其研究结果缺乏可解释性,限制了临床医生的接受度.眼科AI研究也因缺乏完善的法律规定、监管机制,
目的 比较基于彩色眼底像阅片的人工智能(AI)系统分别在社区和医院筛查和(或)诊断糖尿病视网膜病变(DR)的效率和差异,初步评价其应用价值.方法 回顾性和前瞻性相结合研究.回顾性收集2018年7月至2021年3月于河南省眼科研究所连续就诊的老年糖尿病患者1608例的临床资料.其中,男性659例,女性949例;年龄中位数64岁.前瞻性收集2018年12月至2019年4月以社区为来源主动招募的老年糖尿病患者496例的临床资料.其中,男性202例,女性294例;年龄中位数62岁.由眼科或经培训的内分泌科医生对患
目的 观察基于眼底彩色照相的常见眼底疾病六分类智能辅助诊断轻量化模型的诊断价值.方法 应用研究.采集南京医科大学附属眼科医院和浙江省数理医学学会智能眼科数据库的2400张彩色眼底像数据集,该数据集经脱敏处理及眼底病专科医师标注,包括糖尿病视网膜病变、青光眼、视网膜静脉阻塞、高度近视、老年性黄斑变性、正常眼底像各400张.训练时使用迁移学习方法,将经典分类模型VGGNet 16、ResNet50、DenseNet 121和轻量化分类模型MobileNet3、ShuffleNet2、GhostNet在Imag