通过人工智能算法诊断近视性黄斑病的竞赛
Bo Qian1,2, Bin Sheng1,2, Hao Chen3,4
1Shanghai Belt and Road International Joint Laboratory of Intelligent Prevention and Treatment for Metabolic Diseases, Department of Computer Science and Engineering, School of Electronic, Information, and Electrical Engineering, Shanghai Jiao Tong University, Department of Endocrinology and Metabolism, Shanghai Sixth People's Hospital Affiliated to Shanghai Jiao Tong University School of Medicine, Shanghai Diabetes Institute, Shanghai Clinical Center for Diabetes, Shanghai, China.
人工智能 (AI) 和深度学习 (DL) 算法在检测近视性黄斑病 (MM) 中表现有前途. 一些人工智能模型在MM分类和病变细分方面表现优于眼科医生,有可能改善诊断和查.
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:
- 近视性黄斑病 (MM) 是全球视力障碍的主要原因.
- 人工智能 (AI) 和深度学习 (DL) 提供了使用 fundus 图像改进MM诊断和查的潜力.
研究的目的:
- 评估用于MM分类和细分的DL算法.
- 为了比较DL算法的性能与眼科医生在诊断MM的性能.
主要方法:
- 近视性黄眼病分析挑战 (MMAC) 涉及开发用于MM分类,病变细分和球形等效预测的自动化解决方案.
- 算法在底部图像数据集上进行训练,并根据眼科医生的解释进行评估.
主要成果:
- DL算法在MM分类 (QWK高达0.901) 和病变细分方面表现出强的表现 (漆裂纹的DSC高达0.687,Fuchs斑点高达0.841).
- 模型组合取得了卓越的结果,在MM分类灵敏度和特异性方面表现优于眼科医生,并在细分漆裂和Fuchs斑点方面表现出色.
结论:
- 人工智能模型,特别是合奏,显示近视性黄斑病的高诊断准确度.
- 这些发现表明,人工智能可以显著帮助检测和查MM,可能提高临床实践.
更多相关视频
07:18Evaluation of Capillary and Other Vessel Contribution to Macular Perfusion Density Measured with Optical Coherence Tomography Angiography
Published on: February 18, 2022
07:44In vivo Structural Assessments of Ocular Disease in Rodent Models using Optical Coherence Tomography
Published on: July 24, 2020