深度学习方法在摩洛哥眼科中心的应用:分析和讨论

科学领域:

• 眼科医生 眼科 眼科
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 糖尿病视网膜病变 (DR) 是工作年龄成人视力损失的主要原因.
• 早期发现DR的迹象,如出血和排泄物,对于及时干预至关重要.
• 人工智能和DL的进步为非侵入性医学图像分析提供了新的可能性.

研究的目的:

• 开发和评估基于AI的方法来检测糖尿病视网膜病变 (DR) 的早期迹象.
• 评估U-Net对细分和YOLOv5对DR指标检测的性能.
• 将AI性能与人类专家和住院医生的诊断进行比较.

主要方法:

• 应用U-Net深度学习模型,以对彩色基底图像中的出血和排泄物进行细分.
• 利用YOLOv5深度学习模型识别和定位出血和排泄物.
• 从拉巴特的谢赫·扎伊德基金会眼科中心收集现场数据.

主要成果:

• 该U-Net细分实现了85%的特异性,85%的灵敏性和85%的子得分.
• 人工智能检测软件识别了100%的糖尿病视网膜病变迹象.
• 专家医生检测到99%的DR标志,而住院医生检测到84%.

结论:

• 人工智能,特别是像U-Net和YOLOv5这样的DL模型,在检测糖尿病视网膜病变迹象方面表现出高效.
• 由人工智能驱动的计算机辅助诊断工具可以帮助临床医生早期检测DR,从而减少医疗保健专业人员的负担.
• 开发的AI方法显示了对视网膜状况的非侵入性,快速和准确评估的有希望的结果.