深度监测:基于深度学习的监测系统,用于评估智能手机捕获的角膜图像的质量
相关实验视频
Updated: Jun 13, 2025
05:36
Subjective Refraction Test Using a Smartphone for Vision Screening
Published on: October 18, 2024
637
Zhongwen Li1,2, Lei Wang2, Wei Qiang1
1Ningbo Key Laboratory of Medical Research on Blinding Eye Diseases, Ningbo Eye Institute, Ningbo Eye Hospital, Wenzhou Medical University, Ningbo, China.
Frontiers in cell and developmental biology
|September 11, 2024
概括
一个新的深度学习系统,DeepMonitoring,可以识别低质量的智能手机角膜图像. 这种人工智能工具有助于提高诊断准确度,用于早期对角膜疾病进行自我查.
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:
- 智能手机人工智能诊断系统为早期角膜疾病的自我查提供了潜力.
- 智能手机的图像质量差,严重阻碍了AI在现实环境中的诊断性能.
- 当前的人工智能系统在患者记录数据中常见的可变图像质量问题上扎.
研究的目的:
- 开发一种基于深度学习的系统 (DeepMonitoring) 来监控智能手机的角膜图像质量.
- 识别低质量的图像和识别导致它们的因素,指导用户捕获更好的图像.
- 提高基于智能手机的AI用于角膜疾病诊断的可靠性和临床适用性.
主要方法:
- 构建用于图像质量评估的深度学习模型.
- 在各种数据集上进行培训和验证,包括患者记录的智能手机图像.
- 评估系统在辨别低质量的图像和识别根本原因方面的表现.
主要成果:
- 在验证,内部和外部测试集中,DeepMonitoring实现了高性能.
- 曲线下的面积 (AUC) 值在0.984到0.999之间,表明了良好的歧视.
- 该系统有效地识别出低质量的角膜图像,并提供可操作的反.
结论:
- 深度监控可以有效地过出智能手机生成的低质量的角膜图像.
- 该系统促进了基于智能手机的AI用于角膜疾病自我查的现实应用.
- 改善图像质量监测对于移动健康诊断工具的成功临床实施至关重要.
