相关实验视频
Updated: Jun 20, 2026
09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
21.6K
使用深度学习预测1,2和3年新出现的可转移的糖尿病视网膜病变和黄斑病变
Paul Nderitu1,2, Joan M Nunez do Rio3,4, Laura Webster5
1Section of Ophthalmology, Faculty of Life Sciences and Medicine, King's College London, London, UK. p.nderitu@doctors.org.uk.
Communications medicine
|August 21, 2024
概括
深度学习系统使用视网膜图像和风险因素准确预测糖尿病视网膜病变 (DR) 的进展长达三年. 这种人工智能驱动的方法可以实现个性化查,优先考虑高风险患者及时治疗.
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:
- 糖尿病视网膜病变 (DR) 的进展预测对于个性化查和及时治疗至关重要.
- 深度学习系统 (DLS) 开发用于预测新出现的可引用DR和巨病.
- 系统使用风险因素数据,基金照片或两者 (多式联运).
研究的目的:
- 开发和验证深度学习系统 (DLS) 以预测1,2,3年新出现的可转移性糖尿病视网膜病变 (DR) 和黄斑病变.
- 用风险因素数据,基金图像或两者的组合来比较DLS的表现.
- 评估DLS在糖尿病眼科护理中的个性化,基于风险的查的潜力.
主要方法:
- 开发并验证了深度学习系统 (DLS),使用来自英国糖尿病眼睛查计划的大量眼睛数据集.
- 对110,837只眼睛进行训练模型,并提供纵向数据,并对51,502只眼睛进行预训练.
- 在内部 (27,996眼) 和外部 (6928眼) 数据集上测试了DLS性能.
主要成果:
- 多种模式的DLS在1,2,3年表现出高预测准确度,对新出现的可参考DR和黄斑病产生高预测准确度,AUROC在0.79到0.95.9之间.
- 与表格式DLS相比,多式联络和基于图像的DLS的性能明显更好.
- 外部验证证实了多模式DLS在不同数据集中的强大性能.
结论:
- 深度学习系统,特别是多式联络和基于图像的方法,可以准确预测糖尿病视网膜病变和黄斑病变的进展.
- 这些DLS为个性化,基于风险的查,优化资源配置和患者护理提供了有前途的工具.
- 人工智能辅助查可以帮助识别高风险个体,以便及时介入,同时减少低风险患者不必要的查.
