一个深度网络DeepOpacityNet用于从色底照片中检测白内障
Amr Elsawy1, Tiarnan D L Keenan1, Qingyu Chen1
1National Center for Biotechnology Information, National Library of Medicine, National Institutes of Health, Bethesda, MD, 20894, USA.
Communications medicine
|December 16, 2023
概括
一个新的AI工具DeepOpacityNet可以通过彩色底部摄影 (CFP) 以比眼科医生更高的准确度检测白内障. 这一突破通过分析易于获得的眼睛图像,提高了可访问的白内障查.
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:
- 传统上,白内障诊断需要眼科医生亲自评估.
- 彩色底部摄影 (CFP) 是广泛可用的,提供了远程查的潜力.
- 来自CFP的自动白内障检测可以提高查的可访问性.
研究的目的:
- 开发和验证DeepOpacityNet,这是一个AI工具,用于从CFP自动检测白内障.
- 为了比较DeepOpacityNet与人类眼科医生的表现.
- 确定主要的CFP特征表明白内障.
主要方法:
- 在AREDS2研究中,DeepOpacityNet对17514个CFP进行了培训.
- 该模型在20%的测试组中进行了内部验证,并与眼科医生进行了比较.
- 在三个SEED数据集上进行了外部验证;使用了特征可视化.
主要成果:
- DeepOpacityNet实现了更高的内部精度 (0.66) 和AUC (0.72).
- 人工智能模型的准确性 (0.75) 超过了最好的眼科医生 (0.67).
- 外部验证显示AUC得分高 (0.86-0.89),表明可以通用.
结论:
- DeepOpacityNet有效地检测到CFP的白内障,其性能超过了眼科医生.
- 人工智能提供了可解释的结果,突出了诸如血管可见性和模糊区域等特征.
- 这项研究表明,人工智能在增强可访问性白内障查方面的潜力.


