深度学习算法检测了视网膜内层 (DRIL) 失调的存在 - - 糖尿病视网膜病变中的早期成像生物标志物

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) 是导致视力丧失的主要原因.
• 视网膜内层失调 (DRIL) 是DR进展的一个指标.
• 自动检测DRIL可以提高选效率.

研究的目的:

• 开发和训练一种深度学习算法,用于在OCT扫描上检测DRIL.
• 评估算法在查DR患者中的性能.

主要方法:

• 一个卷积神经网络 (CNN) 被开发和训练使用Cirrus HD-OCT扫描从664名患者.
• 扫描被手动分级为DRIL的两个分级,与第三个医生仲裁分歧.
• 数据集被分为90:10用于培训/验证和外部测试.

主要成果:

• 深度学习网络在检测DRIL时实现了88.3%的准确性,90.0%的特异性和82.9%的灵敏性.
• 算法的训练在大约35分钟内在单个CPU上完成.
• 该模型显示了0.7.7的马修斯相关系数.

结论:

• 基于深度学习的OCT分类算法可以快速自动识别DRIL.
• 这种工具可以帮助DRIL选用于研究和临床环境.
• 自动化DRIL检测显示了增强糖尿病视网膜病变管理的前景.