基于多模式和多omics的深度学习模型用于查视神经病变
Ye-Ting Lin1, Qiong Zhou1, Jian Tan1
1Department of Ophthalmology, The First Affiliated Hospital of Nanchang University, China.
Heliyon
|December 4, 2023
概括
多模式数据和多omics策略显著提高深度学习模型的光神经疾病查. 这种方法可以提高糖尿病视神经病变等疾病的诊断准确度,改善患者的治疗结果.
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:
- 视神经疾病,包括糖尿病视神经病变,玻璃眼视神经病变和视神经炎,构成重大诊断挑战.
- 目前的查方法可能缺乏用于早期和准确检测所需的精度.
研究的目的:
- 评估多模式数据和多omics策略与深度学习结合用于视神经疾病查的有效性.
- 为了比较不同深度学习模型的诊断性能,使用各种数据模式.
主要方法:
- 一项回顾性研究涉及156名患有视神经疾病的患者.
- 开发一个深度学习模型,使用 fundus 摄影和红外反射 (IR) 图像.
- 在单一和多式联络环境中使用传统的omics,Resnet101和融合模型进行数据分析.
主要成果:
- 多模式数据集成提高了准确性,融合模型在训练组中达到0.99的准确性,在测试组中达到0.88的准确性.
- 多式联网数据的宏观平均AUC达到0.96 (传统的欧米克),0.97 (Resnet101) 和0.99 (融合模型).
- 融合模型在区分不同类型的视神经病变方面表现出卓越的性能.
结论:
- 深度学习模型利用多模式数据和多omics策略显著提高了对主要视神经疾病的查和诊断的准确性.
- 这种综合方法有望改善视觉神经病的早期检测和治疗.
