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
自动垂直杯与盘的比率从眼底图像来确定,用于眼的检测
Xiaoyi Raymond Gao1,2,3,4, Fengze Wu5,6, Phillip T Yuhas7
1Department of Ophthalmology and Visual Sciences, The Ohio State University, Columbus, OH, 43210, USA. raymond.gao@osumc.edu.
Scientific reports
|February 23, 2024
概括
这项研究引入了一种自动化的深度学习系统,用于使用眼图像检测眼. 该系统准确计算垂直杯与盘的比率 (VCDR),有助于早期诊断和减少临床医生的工作量.
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:
- 玻璃眼是不可逆转的失明的主要原因,往往无症状,直到晚期.
- 在 fundus 图像中通过视神经评估进行早期检测对于预防视力损失至关重要.
- 手动评估垂直杯与盘的比率 (VCDR) 是耗时的,容易引起观察者之间的变化.
研究的目的:
- 开发和验证深度学习 (DL) 系统,用于在 fundus 图像中自动检测光盘和杯子.
- 为了准确计算VCDR,使用DL进行青光眼查.
- 为了应对适应DL模型在不同人群中进行VCDR估计的挑战.
主要方法:
- 在 fundus 图像中使用 YOLOv7 架构进行光盘和杯子细分.
- 在多个公共数据集上训练了DL模型,并在REFUGE数据集 (中国人口) 上进行了微调.
- 开发了一种优化方法,用于对不同人群的DL模型性能进行校准.
主要成果:
- 与专家评估相比,DL衍生的VCDR显示出高准确度,与专家评估相比,皮尔森相关系数为0.91和MAE为0.0347.
- 该模型在Dice相似性和MAE方面在REFUGE数据集上表现优于现有的方法.
- 开发的优化方法成功地将模型适应了新种群.
结论:
- 自动化DL系统为VCDR计算提供了强大而准确的工具,大大减少了手工工作量.
- 这种方法提高了眼的检测速度和准确性.
- 该系统有效地区分青光眼与非青光眼病例,作为早期诊断的宝贵工具.
