相关实验视频
Updated: Jun 22, 2026
06:27
Transcutaneous Microcirculatory Imaging in Preterm Neonates
Published on: December 31, 2015
8.3K
深度质量改善了婴儿视网膜病变查
Longhui Li1, Duoru Lin2, Zhenzhe Lin1
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, China.
NPJ digital medicine
|October 16, 2023
概括
一个新的AI系统DeepQuality评估和增强婴儿底部图像,改善婴儿视网膜病变查. 这项技术解决了图像质量问题,提高了临床医生和人工智能模型的诊断准确度.
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:
- 图像质量显著影响AI诊断模型在临床环境中的性能.
- 婴儿 fundus 摄影往往由于患者的合作导致图像质量差,增加了误诊的风险.
- 早期视网膜病变 (ROP) 查需要高质量的 fundus 图像来进行准确的诊断.
研究的目的:
- 开发基于深度学习的系统 (DeepQuality) 来评估和增强婴儿底部图像质量.
- 通过提高图像质量,提高婴儿视网膜病变查的准确性.
- 评估DeepQuality对临床诊断和AI模型性能的影响.
主要方法:
- 开发一种深度学习模型,用于检测婴儿 fundus 图像中的质量缺陷 (完整性,照明,清晰度).
- 计算曲线下的面积 (AUC) 值,以评估质量缺陷检测的准确性.
- 对大量数据集 (2,015,758张图像) 的分析,以确定图像质量缺陷的普遍性.
- 在DeepQuality内部实施质量提升模块.
- 对图像增强对临床医生和人工智能模型ROP诊断性能影响的评估.
主要成果:
- 在检测质量缺陷方面,DeepQuality实现了高准确度,AUC值在0.933至0.995.5之间.
- 58.3%的分析婴儿 fundus 图像表现出质量缺陷,医院之间存在显著差异.
- 通过DeepQuality的质量提升显著改善了临床医生在诊断ROP方面的表现.
- 将DeepQuality与AI诊断模型集成,增强了ROP检测能力.
结论:
- 深度质量是评估和提高婴儿底部图像质量的有效工具,对于精确的ROP查至关重要.
- 在现实世界的婴儿底部摄影中,图像质量问题的普遍性是相当大的.
- 深度质量提高了人类和人工智能诊断性能,为未来的基于图像的查系统提供了宝贵的参考.
