基于视网膜摄影的深度学习系统用于检测甲状腺相关的眼科病变
Xue Jiang1, Li Dong1, Lihua Luo2
1Beijing Tongren Eye Center, Beijing Key Laboratory of Intraocular Tumor Diagnosis and Treatment, Beijing Ophthalmology and Visual Sciences Key Lab, Medical Artificial Intelligence Research and Verification Key Laboratory of the Ministry of Industry and Information Technology, Beijing Tongren Hospital, Capital Medical University.
The Journal of craniofacial surgery
|December 11, 2023
概括
一个新的深度学习系统显示了使用视网膜图像检测甲状腺相关眼病 (TAO) 的前景. 这种非侵入性方法可以为早期TAO识别提供一个具有成本效益的方法.
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:
- 甲状腺相关的眼科医症 (TAO) 诊断通常需要广泛的临床,放射和实验室评估.
- 需要具有成本效益和非侵入性的方法来检测TAO.
- 视网膜底部照片为开发这种方法提供了潜在的途径.
研究的目的:
- 开发和验证基于深度学习的系统,使用视网膜照片检测TAO.
- 评估使用人工智能用于非侵入性TAO查的可行性.
主要方法:
- 一项多中心观察性研究使用了TAO患者和健康对照者的视网膜照片.
- 一个卷积神经网络 (CNN) 模型在一家医院的数据上受过训练,并在内部验证.
- 该模型的性能进一步通过来自另一家医院的独立外部数据集进行了评估.
主要成果:
- 在内部验证中,CNN模型实现了0.900的接收器操作员曲线 (AUC) 下的面积,准确度为0.860.
- 在外部验证中,该模型的AUC值为0.747,准确度为0.709.
- 这些结果表明了该模型的潜力,尽管在概括方面还有改进的余地.
结论:
- 应用在视网膜底部照片上的深度学习模型显示了识别TAO的潜力.
- 这种方法可以发展成为TAO的成本效益和非侵入性查工具.
- 需要进一步的研究和验证,以优化该系统的临床应用.
