使用深度学习 (细粒度图像分类) 检测眼部疾病,应用于眼部B扫描超声图像
Xin Ye1,2, Shucheng He1, Ruilong Dan3
1Center for Rehabilitation Medicine, Department of Ophthalmology, Zhejiang Provincial People's Hospital (Affiliated People's Hospital, Hangzhou Medical College), Hangzhou, Zhejiang, China.
Ophthalmology and therapy
|August 11, 2024
概括
一个深度学习系统DPLA-Net使用超声波图像准确地选多种眼睛疾病,如眼内瘤和视网膜脱落. 它还可以提高眼科医生的诊断准确性和效率.
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:
- 眼部B扫描超声波对于诊断各种眼部疾病至关重要.
- 准确和快速查诸如眼内瘤 (IOT),视网膜脱落 (RD),玻璃体出血 (VH) 和后面结层稳形瘤 (PSS) 等疾病至关重要.
- 当前的诊断方法可能会从人工智能驱动的增强中受益.
研究的目的:
- 开发一种深度学习 (DL) 系统,以使用眼部B扫描超声波图像快速准确地查IOT,RD,VH和PSS.
- 在多中心环境中评估开发的DL系统的性能.
- 评估DL系统对眼科医生的诊断性能和效率的影响.
主要方法:
- 一个细粒度的分类系统,双路径损伤注意网络 (DPLA-Net),是使用来自五个中心的6054个眼部B扫描超声图像开发的.
- 数据集包括玻璃体出血,视网膜脱落,眼内瘤,后面缩性稳形瘤和正常眼睛的图像.
- 该系统在4758张图像上进行了训练和验证,并在1296张图像上进行了测试,并由高级和初级眼科医生进行评估.
主要成果:
- 在试验组中,DPLA-Net的平均精度为0.943,所有条件的AUC值都很高 (例如,RD的0.997,PSS的0.994).
- 该系统显著提高了初级眼科医生的精度,从0.696提高到0.919 (p < 0.001).
- 通过DPLA-Net的协助,图像分类所需的时间从16.84 ± 2.34秒缩短到10.09 ± 1.79秒.
结论:
- 在多个中心的B扫描超声波图像中,DPLA-Net在查和分类多种眼科疾病方面表现出高度准确性.
- 人工智能系统有效地提高了眼科医生的诊断准确性和效率.
- 这种DL系统在改善临床实践中的眼科疾病查和诊断方面表现有前途.
