相关实验视频
Updated: May 26, 2026
09:17
Using Retinal Imaging to Study Dementia
Published on: November 7, 2017
21.9K
使用多民族糖尿病患者视网膜图像开发和验证糖尿病视网膜病和相关眼睛疾病的深度学习系统
Daniel Shu Wei Ting1,2, Carol Yim-Lui Cheung1,3, Gilbert Lim4
1Singapore Eye Research Institute, Singapore National Eye Center, Singapore.
JAMA
|December 14, 2017
概括
深度学习系统 (DLS) 从视网膜图像中检测出糖尿病视网膜病和相关的眼睛疾病的高准确性. 这种人工智能技术显示出在不同糖尿病人群中进行查的巨大潜力.
科学领域:
- 眼科 眼科
- 人工智能
- 医学成像
背景情况:
- 糖尿病视网膜病和相关的眼睛疾病对糖尿病患者的视力构成重大风险.
- 早期查和检测对于管理这些疾病和预防视力损失至关重要.
研究的目的:
- 评估深度学习系统 (DLS) 的诊断性能,以检测可转移的糖尿病视网膜病变,危及视力的糖尿病视网膜病变,可能的玻璃眼和与年龄相关的黄斑变性 (AMD).
- 评估DLS在社区和诊所设置中的多民族糖尿病患者的有效性.
主要方法:
- 在大量视网膜图像 (总共超过494,000张) 上进行了DLS训练.
- 用单独的图像集验证了DLS用于检测糖尿病视网膜病变,绿眼病和AMD.
- 与专业分级器相比,通过接收器运行特征曲线下的面积 (AUC),灵敏度和特异性来测量性能.
主要成果:
- 对于可转移的糖尿病视网膜病变 (0. 936),视力威胁的糖尿病视网膜病变 (0. 958),可能的玻璃眼病 (0. 942) 和AMD (0. 931) 达到了高AUC值.
- 在所有评估条件中,敏感性和特异性都很高,在额外的数据集中,AUC范围为0. 889至0. 983.
- 该系统在多民族群体中识别糖尿病视网膜病变和相关的眼睛疾病方面表现强.
结论:
- 深度学习系统在不同糖尿病人群的视网膜图像中显示出高灵敏度和特异性.
- 需要进一步的研究来证实其临床实用性和对现实世界医疗保健环境的视力影响.
更多相关视频
10:07Studying Diabetes Through the Eyes of a Fish: Microdissection, Visualization, and Analysis of the Adult tgfli:EGFP Zebrafish Retinal Vasculature
Published on: December 26, 2017
13.6K
04:48Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
Published on: November 30, 2022
3.1K
