相关实验视频
Updated: Jul 12, 2025
09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
21.7K
超广场底部成像的深度学习性能,用于在农村地区查视网膜病变
Tingxin Cui1, Duoru Lin1, Shanshan Yu1
1State Key Laboratory of Ophthalmology, Zhongshan Ophthalmic Center, Sun Yat-sen University, Guangdong Provincial Key Laboratory of Ophthalmology and Vision Science, Guangdong Provincial Clinical Research Center for Ocular Diseases, Guangzhou, China.
JAMA ophthalmology
|October 19, 2023
概括
深度学习系统 (DLS) 在农村人口中使用超广场 (UWF) 底部图像查五种视网膜病变方面表现出色. 然而,像图像质量和病变复杂度等因素可能会影响DLS性能,需要在模型开发过程中考虑.
科学领域:
- 眼科和医学成像分析分析.
- 医疗保健中的人工智能
背景情况:
- 视网膜疾病是全球不可逆转失明的主要原因.
- 早期检测视网膜病变对于预防视力丧失至关重要,特别是在服务不足的农村地区.
- 与传统方法相比,超广场 (UWF) 底部成像为视网膜提供了更广泛的视图.
研究的目的:
- 评估深度学习系统 (DLS) 的性能,用于在农村患者群体中使用UWF fundus图像查多种视网膜病变.
- 在资源有限的农村环境中探索基于DLS的选的可行性.
主要方法:
- 一项使用预先开发的DLS进行诊断研究,用于选五种特定的视网膜病变 (排泄物/德鲁森,光眼神经病变,出血,晶格退化/视网膜断裂,视网膜脱落).
- 在24个村庄进行了查,使用UWF fundus图像分析了3149名参与者的6222只眼睛.
- 将DLS的性能与眼科医生分析和先前的模型开发验证进行了比较,评估了图像质量,病变比例和病变复杂性.
主要成果:
- 在农村群体中,DLS在检测五种视网膜病变时,达到0.918的曲线下的平均面积 (AUC).
- 性能低于内部验证阶段 (AUC 0.998),在农村图像中观察到图像质量差 (13.8%) 和较大的损伤复杂性.
- 与发展数据集相比,农村查数据中发现了病变比例的显著变化和病变组成的复杂性增加.
结论:
- 在农村环境中,DLS显示出作为使用UWF fundus图像的视网膜病变查工具的巨大潜力.
- 低于最佳的图像质量,多样化的病变发病率和农村人口中复杂的病变呈现可能会影响DLS的准确性.
- 未来的DLS开发应该考虑到这些现实世界的查挑战,以优化目标人群的性能.
