从彩色视网膜底部图像来检测和分类与年龄相关的黄斑变性
Niveen Nasr El-Den1, Ahmed Naglah2, Mohamed Elsharkawy2
1Department of Computer and System Engineering, Faculty of Engineering, Ain Shams University, Cairo, Egypt.
Scientific reports
|June 13, 2023
概括
这项研究引入了一种新的深度学习模型,用于使用 fundus 图像早期检测与年龄相关的黄斑退化 (AMD). 该模型准确地识别了AMD等级,有助于及时治疗和减少视力损失.
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:
- 与年龄相关的黄斑退化 (AMD) 是由于衰老的视网膜异常导致视力丧失的主要原因.
- 露出性或湿性AMD涉及斑点中的异常血管生长.
- 目前的诊断方法,如光素血管造影,是侵入性的,并带有风险.
研究的目的:
- 为早期AMD检测和分级开发一种自动化,非侵入性模型.
- 为了分析AMD诊断的 fundus图像中的纹理图案.
- 为了将视网膜血管活动与AMD进展相关联.
主要方法:
- 一个适应规模的自动编码器网络,用于适应规模.
- 一个卷积神经网络 (CNN) 分类网络用于AMD分级.
- 分析颜色底部成像纹理图案的分析.
主要成果:
- 拟议的模型实现了高诊断准确度 (96.2%),灵敏度 (96.2%) 和特异性 (99%).
- 该模型自动区分不同的AMD等级.
- 早期检测和分类AMD得到了便利.
结论:
- 开发的深度学习模型为早期AMD检测和分级提供了一个有前途的非侵入性方法.
- 这项技术可以帮助临床医生及时治疗,有可能减缓疾病的进展,并尽量减少视力丧失.
- 该模型的高精度表明其在AMD管理的临床环境中的实用性.
