相关实验视频
Updated: Jun 28, 2026
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
一个人工智能系统用于整个过程,从诊断到治疗建议的缺血视网膜疾病
Xinyu Zhao1, Zhenzhe Lin2, Shanshan Yu2
1State Key Laboratory of Ophthalmology, Zhongshan Ophthalmic Center, Sun Yat-sen University, Guangdong Provincial Key Laboratory of Ophthalmology and Visual Science, Guangdong Provincial Clinical Research Center for Ocular Diseases, Guangzhou 510060, China; Shenzhen Eye Hospital, Jinan University, Shenzhen Eye Institute, Shenzhen 518040, China.
一个AI系统,Ai-Doctor,准确地解释 fundus光素血管学 (FFA) 图像,用于诊断和管理缺血性视网膜疾病 (IRD),可能减少眼科医生的工作量.
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:
- 视网膜缺血性疾病 (IRD) 是导致失明的重要原因之一.
- 准确的诊断和治疗在很大程度上依赖于解释 fundus fluorescein angiography (FFA) 图像.
- 手动口译可能耗时,需要专门的专业知识.
研究的目的:
- 开发和评估一个人工智能 (AI) 系统,Ai-Doctor,用于解释FFA图像.
- 评估Ai-Doctor在诊断糖尿病视网膜病变 (DR) 和分支视网膜静脉封闭 (BRVO) 等常见IRD方面的表现.
- 探索Ai-Doctor在细分和量化非 perfusion 区域中的实用性,以及它对其他 IRD 的适用性.
主要方法:
- 开发用于FFA图像分析的AI系统 (Ai-Doctor).
- 评估图像相位识别,疾病诊断 (DR,BRVO) 和非输液区域细分,使用AUC和DSC等指标.
- 将细分模型扩展到其他IRD,包括中央视网膜静脉封闭 (CRVO) 和视网膜血管炎.
- 关于临床适用性缺血指数 (CAII) 的建议,用于评估疾病严重程度.
主要成果:
- 艾医生在图像相位识别方面表现出高精度 (AUC,0.991-0.999).
- 该系统在诊断DR和BRVO方面取得了很好的表现 (AUC,0.979-0.992).
- 非 perfusion 区域细分显示高准确度 (DSC, 89.7%-90.1%),在新型IRD中表现良好 (DSC, 89.2%的CRVO, 83.6%的视网膜血管炎).
- 在BRVO (0.17) 和DR (0.08) 中,CAII确定了潜在激光治疗的门值.
结论:
- Ai-Doctor为各种IRD提供了FFA图像的准确解释.
- 人工智能系统显示出精确细分和定量缺血区域的潜力.
- Ai-Doctor可以协助治疗决策,例如确定符合激光治疗条件的患者.
- 人工智能系统可能会减少对视网膜专家的依赖,以解释FFA.
更多相关视频
07:51Hydra, a Computer-Based Platform for Aiding Clinicians in Cardiovascular Analysis and Diagnosis
Published on: September 26, 2018
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
