使用人工智能用于诊断角膜的不同角膜成像方式的比较:系统性审查和元分析

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:

• 角膜 (KCN) 是一种渐进的角膜脱膜症.
• 早期诊断亚临床KCN (SKCN) 和形式冷KCN (FFKCN) 对于及时干预至关重要.
• 人工智能 (AI) 在改善眼部疾病的诊断准确性方面表现有前途.

研究的目的:

• 为了比较与AI结合的角膜成像模式,用于诊断KCN,SKCN和FFKCN.
• 评估不同人工智能辅助成像技术的诊断准确性.
• 为了确定最佳的成像策略,用于早期检测角.

主要方法:

• 在主要的科学数据库 (Web of Science,PubMed,Scopus,Google Scholar) 进行系统的文献搜索.
• 包括2022年3月之前的研究,使用关键评估技能计划 (CASP) 清单进行评估.
• 根据KCN,SKCN和FFKCN分类的符合条件的文章的元分析,计算聚合精度估计 (PEA).

主要成果:

• 36项研究符合575个最初出版物中的质量标准.
• 结合Scheimpflug和Placido成像与生物力学和波浪数据,实现了高KCN检测 (PEA为99.2%和99.0%).
• 谢飞 (PEA 92.25%) 和谢飞-Placido组合 (PEA 96.44%) 分别显示了SKCN和FFKCN检测的最高准确度.

结论:

• 同时的Scheimpflug和Placido角膜成像,增强了人工智能,为早期检测角质提供了高的诊断准确性.
• 人工智能模型显著提高了区分角膜和正常角膜的能力.
• 这些先进的成像技术对于识别角的微妙迹象至关重要.