通过前段图像进行真菌角膜炎诊断的自动细分的人工智能算法的比较
Dong-Jin Li1, Bing-Lin Huang2, Yuan Peng3
1Health Management Center, The First People's Hospital of Jiujiang City, Jiujiang, Jiangxi, China.
Frontiers in neuroscience
|June 26, 2023
概括
这项研究开发了用于诊断真菌角膜炎的深度学习模型. 与模型1相比,采用自动细分的模型2显著提高了诊断准确性和效率.
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:
- 真菌角膜炎是视力障碍的重要原因之一.
- 准确和及时的诊断对于有效的治疗至关重要.
- 当前的诊断方法可能耗时,需要专门的专业知识.
研究的目的:
- 开发和比较两个深度学习模型,用于性角膜炎的辅助诊断.
- 评估将自动细分纳入深度学习模型的有效性,以提高诊断性能.
主要方法:
- 收集了423张前段角膜炎图像,由专家眼科医生进行分类.
- 开发了两个深度学习模型:模型1 (DenseNet121, mobilenet_v2, squeezenet1_0, LASSO, MLP) 和模型2 (模型1 + 自动细分).
- 在持有测试集上使用精度,灵敏度,特异性,F1得分和AUC进行模型性能比较.
主要成果:
- 模型1实现了77.65%的准确度,86.05%的灵敏度,76.19%的特异性,81.42%的F1评分和0.839的AUC.
- 模型2显示了显著的改进:准确度为+6.87%,灵敏度为+4.43%,特异性为+9.52%,F1评分为+7.38%,AUC为+0.086.
- 模型2中的早期融合方法增强了诊断能力.
结论:
- 深度学习模型对真菌角膜炎的辅助诊断非常有希望.
- 将自动细分与深度学习模型集成显著提高了诊断性能.
- 这些模型为真菌角膜炎提供了有效的临床辅助诊断工具.
