使用深度学习来区分高度恶性膜黑色素瘤和良性冠状腺瘤
Laura Hoffmann1, Constance B Runkel1, Steffen Künzel1
1Department of Ophthalmology, Charité University Hospital Berlin, 12203 Berlin, Germany.
Journal of clinical medicine
|July 27, 2024
概括
深度学习软件在从 fundus 照片中识别恶性胆道病变方面表现有前途. 这项技术可以帮助有效地进行眼睛疾病的预分层.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 冠状腺黑色细胞病变需要准确的恶性瘤评估.
- 深度学习 (DL) 提供了分析基金照片的潜力.
- 人机交互 (HMI) 可以增强DL诊断能力.
研究的目的:
- 评估DL软件与HMI用于胆道病变恶性瘤检测.
- 使用彩色底部照片 (CFP) 评估DL模型的性能.
- 为了确定软件在损伤类型预分层中的实用性.
主要方法:
- 在762个良性瘤,未经治疗和辐射黑色素瘤的CFP上训练DL模型.
- 使用视网膜专家和多式成像用于参考标准.
- 在100个独立图像上评估了三元和二元分类模型.
主要成果:
- 实现了84.8%的多类分类准确度和90.9%的二进制分类准确度.
- 证明了高回忆率 (0.850.90) 和特异性 (0.910.92).
- 使用单个成像模式进行二进制分类,精度达到95.8% (AUC 0.99).
结论:
- DL模型在区分胆道病变恶性病变方面表现强.
- 该软件是资源高效预分层的有希望的工具.
- 对眼部损伤进行成本效益高的初步评估的潜力.


