双模式成像系统用于早期检测和监测眼睛表面疾病

科学领域:

• 眼科和医学成像学
• 医疗保健中的人工智能
• 生物医学工程 生物医学工程

背景情况:

• 眼睛表面疾病 (OSD),包括干眼,结膜炎和副结膜出血 (SCH),在全球范围内越来越普遍.
• 人口老龄化,环境因素和生活方式的变化导致OSD的发病率上升.
• 早期诊断和持续监测对于有效的OSD管理至关重要.

研究的目的:

• 开发和验证一种深度学习增强的成像系统,用于对三个代表性的OSD进行自动,客观的评估.
• 为了使用双模式红外 (IR) 和可见 (RGB) 图像来准确测量和识别OSD.
• 为了促进梅博米腺功能障碍 (MGD) 的早期诊断,并通过增强诊断能力来改善患者护理.

主要方法:

• 一个多阶段的深度学习模型处理双模式 (IR和RGB) 图像用于OSD评估.
• 图像处理技术的实施,用于准确的OSD测量和SCH区域识别.
• 对梅博米腺 (MG) 面积比率和MGD诊断的形态不规则的定量分析.

主要成果:

• 在OSD类分类中获得了98.7%的准确性 (F1得分:0.980).
• 在SCH地区识别中实现了96.2%的准确性 (F1得分:0.956).
• 通过分析MG形态学来诊断MGD的准确性达到了88.1% (F1得分:0.781).

结论:

• 深度学习增强的成像系统提供关键的OSD的自动化,准确和可靠的评估.
• 集成一个便携式红外摄像机支持方便的家用meibography及时的OSD管理.
• 该系统增强了诊断能力,使其具有更广泛的适用性,提高了患者护理效率和眼科保健的可访问性.