相关实验视频
Updated: Jul 28, 2025
05:51
Smartphone Fundus Photography
Published on: July 6, 2017
39.1K
深度学习算法的跨摄像头性能用于诊断常见的眼科疾病:一项比较研究突出了便携式眼底摄像头使用的可行性
Shuang He1,2, Gabriella Bulloch3,4, Liangxin Zhang5
1State Key Laboratory of Ophthalmology, Zhongshan Ophthalmic Center, Sun Yat-sen University, Guangdong Provincial Key Laboratory of Ophthalmology and Visual Science, Guangzhou, China.
Current eye research
|May 29, 2023
概括
深度学习算法显示Topcon和Optain fundus摄像头之间在糖尿病视网膜病变检测方面具有很好的一致性. 然而,对于与年龄相关的黄斑退化和光眼神经病变检测的性能是不满意的.
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:
- 深度学习 (DL) 算法越来越多地用于分析基底图像.
- 评估DL模型在不同 fundus 摄像系统中的一致性对于临床采用至关重要.
- 托普康和Optain相机通常用于视网膜成像.
研究的目的:
- 为了比较桌面Topcon和便携式Optain fundus摄像头之间的深度学习诊断算法的性能和一致性.
- 评估用于检测糖尿病视网膜病变 (DR),与年龄相关的黄斑变性 (AMD) 和绿斑视神经病变 (GON) 的相间可靠性.
主要方法:
- 504名18岁以上的参与者被录取.
- 使用Topcon (参考) 和Optain (目标) 摄像机捕获了对智的底部照片.
- 三个验证的DL模型分析了DR,AMD和GON的图像;眼科医生为DR提供了基本真相.
主要成果:
- 分析了906个图像对.
- 在相机之间可引用的DR算法中发现了很好的一致性 (Kappa=0.80).
- 对于AMD和GON算法,分别观察到中等 (Kappa=0.41) 和差 (Kappa=0.32) 的一致性.
- DR检测的灵敏度和特异性很高,在相机之间是可比的 (例如,DR灵敏度:97.70%的Topcon与97.67%的Optain).
结论:
- 托普康和Optain相机在基于DL的可反射DR检测方面表现出极好的一致性.
- 使用DL模型检测AMD和GON的性能在两种摄像系统之间都不令人满意.
- 配对图像比较是评估DL模型在不同 fundus 摄像头中的性能的一种有价值的方法.
