相关实验视频
Updated: Jul 17, 2026
10:46
Doppler Optical Coherence Tomography of Retinal Circulation
Published on: September 18, 2012
18.7K
基于彩色底部照片的视网膜静脉封闭的智能诊断
Yu-Ke Ji1, Rong-Rong Hua2, Sha Liu1
1Eye Hospital, Nanjing Medical University, Nanjing 210000, Jiangsu Province, China.
International journal of ophthalmology
|January 19, 2024
概括
人工智能深度学习模型通过 fundus 图像准确诊断各种视网膜静脉封闭 (RVO),超过专家诊断. 这项技术有助于临床医生诊断中央,分支和黄斑RVO,改善患者的护理.
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:
- 视网膜静脉封闭 (RVO) 是视力丧失的一个重要原因.
- 准确及时诊断不同的RVO类型对于有效治疗至关重要.
- 当前的诊断方法可能耗时,需要专门的专业知识.
研究的目的:
- 开发和评估基于深度学习 (DL) 的人工智能 (AI) 模型,用于从彩色基底照片 (CFP) 中诊断RVO.
- 要区分正常病例和特定类型的RVO:中央 (CRVO),分支 (BRVO) 和斑点 (MRVO).
主要方法:
- 从健康个人和RVO患者的914份CFP数据集进行了策划.
- 图像被专家眼科医生分类为正常,CRVO,BRVO和MRVO.
- 使用Swin变压器模型来构建和训练诊断AI.
- 模型性能经过严格测试,并与专家诊断进行了比较.
主要成果:
- 人工智能模型在所有类别中实现了高精度,特异性和灵敏度,包括正常,CRVO,BRVO和MRVO.
- 诊断性能指标,如F1分数和曲线下的面积 (AUC),证明了该模型的稳定性.
- 人工智能模型的诊断能力被发现优于这项研究中的人类专家.
结论:
- 开发的AI模型显示了用于准确诊断各种类型的RVO的巨大潜力.
- 这种人工智能工具可以减轻临床医生的工作量,使患者管理更有效.
- 该模型为RVO的持续临床诊断和治疗提供了宝贵的帮助.
