用深度学习模型对初级角度闭合嫌疑人的前部段的分析

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:

• 主要角关闭嫌疑人 (PACS) 是一种状况,其特点是前腔室配置的解剖学变化.
• 早期发现和查PACS对于预防视力丧失至关重要.
• 传统的诊断方法依赖于手动检查,其效率和准确性可能有限.

研究的目的:

• 分析PACS患者前腔的独特解剖特征.
• 开发和评估人工智能 (AI) 辅助的诊断系统,以进行有效的PACS查.

主要方法:

• 一项横截面研究涉及1668名前段光学连贯性断层扫描 (AS-OCT) 扫描来自839名患者 (PACS组和正常组).
• 在PACS和正常群体之间的解剖特征的比较.
• 构建和评估用于PACS查的AI模型 (CART,RF,LR,VGG-16,Alexnet),将其诊断效率与初级医生和经验丰富的眼科医生进行比较.

主要成果:

• 随机森林 (RF) 和分类和回归树 (CART) 算法在PACS查中显示出高性能 (AUC=0.90).
• 卷积神经网络 (CNN),特别是Alexnet,也表现出强大的诊断能力 (Alexnet:Se=0.83,Sp=0.95,PPV=0.92,NPV=0.87,AUC=0.85).这些神经网络中的一个是AUC.
• 人工智能模型,特别是CNN,表现优于初级医生,并实现了与经验丰富的眼科医生相比的诊断性能.

结论:

• PACS患者具有可识别的解剖特征,与健康个体不同.
• 人工智能驱动的查模型是PACS检测的可靠和强大的工具.
• 开发的AI系统证明了与经验丰富的眼科医生的诊断等价性,在眼科查方面提供了有前途的进步.