[深度学习算法的应用在角质光素染色的分级评估中]
Yuxuan Zhao1, Xiaoyun Zhang2, Bi Yang1,3,4
1Department of Optometry and Vision Sciences, West China School of Medicine, Sichuan University, Chengdu 610041, China.
概括
深度学习 (DL) 算法在分级角膜光素染色时表现出高准确性和一致性. 人工智能 (AI) 显示出在临床决策中协助眼科医生的潜力,提高了速度和准确性.
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:
- 角膜光素染色对于评估眼睛表面健康至关重要.
- 准确的染色分级对于及时的临床决策至关重要.
- 当前的分级方法可能是主观的,耗时的.
研究的目的:
- 评估深度学习 (DL) 算法的应用价值在分级角膜光染色时.
- 将AI的诊断准确性和效率与光学学生进行比较.
主要方法:
- 一项横截面研究使用600张角膜光素染色照片.
- 训练和验证了四种DL模型,其中ResNet34显示出最佳性能.
- 人工智能性能与两名光学学生和三名经验丰富的光学家 (黄金标准) 相比较.
主要成果:
- ResNet34 DL模型实现了93.0%的精度,89.5%的灵敏度和89.6%的特异性.
- 与光学学生 (78.0%和52.0%) 相比,AI表现出更高的评分准确度 (87.0%).
- 人工智能显著减少了诊断时间 (1.00s vs. 11.86s/13.25s) 并显示出更好的内部协议 (kappa=0.658).
结论:
- 深度学习算法对于分类角膜光染色是可行的和有价值的.
- 人工智能提供比人类评分器更高的准确性和一致性,帮助眼科医生在临床决策中.
- 人工智能有可能提高眼科诊断的速度和准确性.
