相关实验视频
Updated: Jul 16, 2025
07:20
Inducement and Evaluation of a Murine Model of Experimental Myopia
Published on: January 22, 2019
9.9K
对一种新的基于深度学习的病理近视查系统的评估
Pei-Fang Ren1, Xu-Yuan Tang1, Chen-Ying Yu1
1Department of Ophthalmology, the First Affiliated Hospital, School of Medicine, Zhejiang University, Hangzhou 310003, Zhejiang Province, China.
International journal of ophthalmology
|September 19, 2023
概括
一个基于深度学习的人工智能系统在识别病态近视 (PM) 和近视冠状腺新血管化 (mCNV) 中表现出高准确性. 这种人工智能工具有望成为临床查的辅助诊断辅助工具.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 病态近视 (PM) 是导致视力障碍的主要原因.
- 近视性冠状腺新血管化 (mCNV) 是PM的严重并发症.
- 准确及时诊断PM和mCNV对于有效管理至关重要.
研究的目的:
- 评估基于深度学习的人工智能 (AI) 模型用于诊断PM的临床实用性.
- 评估人工智能模型在识别mCNV方面的能力.
- 将AI模型的性能与经验丰富的眼科医生进行比较.
主要方法:
- 一组数据集包括1156张彩色 fundus 照片,这些照片被策划和注释为PM.
- 一个人工智能系统 (PM-AI) 和四名眼科医生独立分析了这些图像.
- 计算和比较了包括灵敏度,特异性和卡帕值在内的绩效指标.
主要成果:
- 该PM-AI系统实现了PM识别的高灵敏度 (98.17%) 和特异性 (93.06%),与人类专家相美或超过.
- 对于mCNV检测,人工智能系统的灵敏度为84.06%,特异性为95.31%.
- 人工智能系统对PM和mCNV的Kappa值表明了实质性的协议,类似于高级专家.
结论:
- 基于深度学习的PM-AI系统在识别PM和mCNV方面表现出色.
- 人工智能系统作为一个有价值的辅助诊断工具用于PM和mCNV的临床查.
- 人工智能辅助诊断可能会提高眼科评估的效率和准确性.
