通过深度学习使用超声波图像进行多种眼科疾病的自动分类
Yijie Wang1, Zihao Xu2, Ruilong Dan2
1Department of Ophthalmology, the Second Affiliated Hospital, Zhejiang University School of Medicine, Hangzhou, China.
The British journal of ophthalmology
|October 18, 2023
概括
一个新的AI模型,多分支变压器网络 (MBT-Net),通过超声波图像准确地分类眼科疾病. 这种人工智能工具在各种设备和操作员中表现出高性能,有助于诊断眼科疾病.
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:
- 超声波成像是检测眼睛异常的一个有价值的工具.
- 缺乏熟练的超声波医生和眼科医生构成了诊断挑战.
- 需要自动诊断工具来解决医疗保健工作人员的局限性.
研究的目的:
- 开发和评估一个多分支变压器网络 (MBT-Net) 用于眼科疾病的自动分类.
- 用B模式超声波图像来评估MBT-Net的性能.
- 将MBT-Net的诊断准确度与人类眼科医生进行比较.
主要方法:
- 采用了10184张超声波图像的数据集,涵盖了六个类别 (正常,视网膜脱落,玻璃体出血,眼内瘤,后缩性树突瘤,其他).
- 在MBT-Net的训练和验证来自五种不同的超声波设备的图像,由多个超声波仪操作.
- 在内部和时间外部测试集上评估了表现,对高级和初级眼科医生进行了比较.
主要成果:
- 在内部测试组中,MBT-Net的准确性达到87.80%,超过初级眼科医生.
- 该模型显示了六类分类的0.98曲线下的微平均面积.
- 与全面的临床诊断的一致性几乎是完美的 (kappa=0.85),设备之间没有显著的准确性差异.
结论:
- 使用超声波图像,MBT-Net在查和诊断多种眼科疾病方面表现出高准确性.
- 该模型的性能在不同操作员和设备之间是一致的,表明了强度.
- MBT-Net显示出作为一种有效的工具来支持眼科疾病诊断的潜力.
