深度学习模型用于基于智能手机的广泛白内障和多重角膜疾病的诊断和分类

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:

• 白内障和角膜疾病带来了重大的诊断挑战.
• 准确和及时的诊断对于有效的治疗和维护视力至关重要.

研究的目的:

• 开发和验证用于诊断白内障和角膜疾病的人工智能 (AI) 算法.
• 用智能手机捕获的图像来评估AI的性能,用于疾病分化和分类.

主要方法:

• 一个人工智能算法被训练在6,442个灯显微镜图像上,将36个主要的眼睛疾病分为9个类别.
• 人工智能模型的诊断准确性使用单独的336张智能手机图像数据集进行了验证.
• 包括灵敏度,特异性和ROC曲线在内的性能指标被评估用于诊断和分拣.

主要成果:

• 人工智能算法实现了高诊断准确性,曲线下的面积 (AUC) 值在各种条件下从0.960到1000不等.
• 像正常眼睛,传染性角膜炎,角膜痕,眼睛表面瘤,角膜沉积,急性闭角玻璃眼,白内障和状角膜病变等特定条件表现出色.
• 人工智能使用智能手机图像的分拣建议系统对转诊类别 ("紧急"",半紧急"",常规"",观察") 显示出高灵敏度和特异性.

结论:

• 开发的AI系统显示出从智能手机图像中诊断白内障和角膜疾病的有希望的性能.
• 这种人工智能技术有可能有助于早期检测和治疗眼病,改善眼科护理的可用性.