相关实验视频
Updated: Jul 4, 2025
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
深度学习模型用于查认知障碍,使用多模组基底图像
Xu Han Shi1, Lie Ju2, Li Dong1
1Beijing Tongren Eye Center, Beijing Key Laboratory of Intraocular Tumor Diagnosis and Treatment, Beijing Tongren Hospital, Capital Medical University, Beijing, China; Beijing Ophthalmology and Visual Sciences Key Laboratory, Beijing Tongren Hospital, Capital Medical University, Beijing, China; Medical Artificial Intelligence Research and Verification Key Laboratory of the Ministry of Industry and Information Technology, Beijing Tongren Hospital, Capital Medical University, Beijing, China.
使用多式眼镜图像的深度学习模型,包括 fundus 照片和 OCT 扫描,显示出有效选认知障碍的前景. 这种人工智能驱动的方法提供了一种在临床和社区环境中早期检测的非侵入性方法.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 神经学 神经学
背景情况:
- 认知障碍是一个日益增长的全球健康挑战.
- 早期发现认知障碍对于及时干预和管理至关重要.
- 眼镜成像为神经健康提供了一个潜在的非侵入性窗口.
研究的目的:
- 开发和验证一种深度学习系统,用于使用多式眼镜图像识别认知障碍.
- 在深度学习模型中评估 fundus 照片和 OCT 图像不同组合的有效性.
- 为了比较多模式与单模式成像方法的性能.
主要方法:
- 一种深度学习算法被训练并使用2011年北京眼睛研究的回顾性数据进行验证.
- 模型是使用斑点为中心的 fundus 照片,光盘为中心的 fundus 照片,结合 fundus 照片,OCT 图像和多式 (fundus + OCT) 图像来开发的.
- 绩效使用北京通仁眼科中心和医院的外部验证数据集进行评估.
主要成果:
- 多模式深度学习模型实现了最高的性能,曲线下的面积 (AUC) 为0.820 (内部验证) 和0.786-0.784 (外部验证).
- 热图分析表明,该模型利用光盘 (眼底) 和视网膜/胸膜区域 (OCT) 的信号进行识别.
- 不同的性别或年龄组之间没有观察到显著的性能差异.
结论:
- 多模式视网膜成像,结合 fundus 照片和 OCT,为评估认知功能提供了有价值的信息.
- 集成多式眼部数据的深度学习模型显示了选认知障碍的巨大潜力.
- 这种基于人工智能的技术可能对在社区和临床环境中广泛实施有价值.
更多相关视频
12:18A Machine Learning Approach to Design an Efficient Selective Screening of Mild Cognitive Impairment
Published on: January 11, 2020
07:26Characterizing the Relationship Between Eye Movement Parameters and Cognitive Functions in Non-demented Parkinson's Disease Patients with Eye Tracking
Published on: September 26, 2019