使用眼科超声波图像检测质视网膜脱落的深度学习模型

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:

• 脊髓性视网膜脱落 (RRD) 是一种常见的底部疾病.
• 中国农村的眼科医生有限,需要远程诊断解决方案.
• 眼科超声波对于在服务不足的地区诊断RRD至关重要.

研究的目的:

• 开发和评估深度学习 (DL) 模型,用于使用超声波图像进行自动RRD诊断.
• 支持在农村和偏远地区及时诊断RRD.
• 为了将DL模型的性能与人类眼科医生进行比较.

主要方法:

• 经过训练和验证的DL模型使用来自1,645名参与者的6,000张眼科超声波图像.
• 评估了八个DL模型,包括四个架构 (包括VGG16) 和两个预处理技术.
• 将DL模型的性能与使用ROC曲线的五位独立眼科医生的诊断进行了比较.

主要成果:

• 最好的DL模型实现了0.998的AUC,具有99.2%的灵敏度和99.8%的特异性.
• VGG16架构和原始图像增强产生了最佳性能.
• 在RRD识别准确度方面,DL模型的表现优于眼科医生.

结论:

• 开发的DL模型展示了通过超声波对RRD诊断的卓越准确性,灵敏性和特异性.
• 这种AI工具可以在缺乏专业眼科护理的领域显著帮助诊断.
• 该模型为改善远程环境中RRD检测和患者结果提供了一个有希望的解决方案.