基于病变重点分类模型的深度学习管道用于诊断和分类常见的致盲眼病

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:

• 青光眼 (GLAU),与年龄相关的黄斑退化 (AMD),视网膜静脉封闭 (RVO) 和糖尿病视网膜病变 (DR) 是全球导致失明的主要原因.
• 这些条件在全球范围内给个人和经济带来了巨大的负担.

研究的目的:

• 开发和验证深度学习管道,用于诊断和分类四种常见的致盲眼病.
• 加强这些疾病的早期检测和治疗,从而减少与之相关的负担.

主要方法:

• 开发了一个结合细分和分类模型的深度学习管道.
• 该模型在75,682个人的102,786张视网膜底部图像上进行了训练和验证.
• 该模型进行了微调以分类疾病阶段,并对内部和外部数据集进行了测试.

主要成果:

• 该模型在内部验证中实现了0.995的接收器操作特征曲线 (AUROC) 下的微区域.
• 疾病特异性AUROC用于早期/晚期分类是:GLAU (0.597),AMD (0.877),RVO (0.972) 和DR (0.961).
• 在跨多种队伍的外部验证实验中保持了高准确度.

结论:

• 开发的AI管道提供了使用Lesion-Focused方法准确诊断常见的致盲眼病.
• 这种方法超过了基于视网膜原始图像的传统分类准确性.
• 该算法在不同的人口和地区展示了强大的概括能力.