相关实验视频
Updated: Jun 14, 2026
10:46
Doppler Optical Coherence Tomography of Retinal Circulation
Published on: September 18, 2012
18.8K
使用视网膜摄影评分糖尿病视网膜病变的变化及其与自动深度学习糖尿病视网膜病变查软件的比较
Chin Sheng Teoh1, Kah Hie Wong1, Di Xiao2
1Department of Ophthalmology, National University Health System, Singapore 119228, Singapore.
Healthcare (Basel, Switzerland)
|June 28, 2023
概括
人类对糖尿病视网膜病变 (DR) 的分级显示了可变的协议. 自动深度学习软件 (ADLS) 为大规模的DR查提供了可靠的工具,检测可引用和紧急可引用的DR.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 医疗保健中的人工智能
背景情况:
- 通过彩色视网膜照片进行糖尿病视网膜病变 (DR) 查是有效的.
- 临床实践中的DR严重程度分级涉及具有不同专业知识的分级人员.
- 人类分级的变化需要对自动化系统进行评估.
研究的目的:
- 评估不同专业知识的人类评分员与自动深度学习选软件 (ADLS) 之间的DR严重程度分级的协议.
- 为了比较ADLS的诊断性能与可引用的DR的人类分级.
主要方法:
- 200张 fundus 照片被视网膜专家,住院医生,医生,学生和ADLS使用国际临床DR疾病严重程度尺度进行了分级.
- 评分结果被分为没有转诊,非紧急转诊和紧急转诊.
- 通过使用Gwet的协议系数分析了观察者间和组内变异性;通过灵敏度和特异性评估了ADLS性能.
主要成果:
- 观察者间的协议范围从相当到非常好;集团内部的协议范围从中等到好.
- ADLS显示了曲线值下的高面积 (0.879对于非可引用的DR,0.714对于非紧急可引用的DR,0.836对于紧急可引用的DR).
- 对ADLS的敏感性和特异性值在不同的转诊类别中有所不同.
结论:
- 人类对DR严重程度的分级表现出显著的观察者间和群体内变异性.
- ADLS被证明是一个可靠和敏感的工具,用于大规模查可引用的DR.
- 该自动化系统有助于识别需要糖尿病视网膜病变紧急眼科转诊的患者.
