相关实验视频
Updated: Jul 2, 2025
09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
21.6K
人工智能辅助的视网膜脱落的管理超广场 fundus 图像基于弱监督的方法
Huimin Li1, Jing Cao1, Kun You2
1Eye Center, The Second Affiliated Hospital, School of Medicine, Zhejiang University, Hangzhou, Zhejiang, China.
Frontiers in medicine
|February 21, 2024
概括
一个新的人工智能模型从视底图像中准确地识别了视网膜脱落 (RD) 区域,从而实现了定制的患者指导. 这种深度学习方法与眼科医生的表现相匹配,以改善视觉结果.
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:
- 视网膜脱落 (RD) 是视力丧失的常见原因之一.
- 基于RD位置的早期干预可以改善视觉预后.
- 精确地定位RD对于有效治疗至关重要.
研究的目的:
- 开发和评估一个弱监督的深度学习模型,用于定位和概述视网膜脱落区域.
- 将模型的性能与基线模型和眼科医生进行比较.
- 为RD患者生成定制的手术前姿势指导.
主要方法:
- 在24208张超广场基底图像上训练了一个监督较弱的模型.
- 该模型定位并概述了解剖学RD区域.
- 使用精度,回忆,平均精度和科恩的卡帕系数来评估性能,与专家注释的地面真相相比.
主要成果:
- 监督较弱的模型在病变检测中实现了86.42%的精度和83.27%的回忆.
- 它的性能与眼科医生相当 (89.16%的精度,83.38%的回忆率).
- 科恩的卡帕系数表明,在模型 (0.710) 和眼科医生 (0.753) 两方面,与基本真相有很好的一致性.
结论:
- 开发的弱监督的深度学习模型在定位和概述研发和开发区域方面表现出高度准确性.
- 模特的表现与经验丰富的眼科医生的表现相当.
- 这种人工智能工具有可能在管理RD患者方面发挥重要作用,特别是在医疗转诊和患者教育方面.
