相关实验视频
Updated: Aug 12, 2026

09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
21.6K
深度学习通过彩色图像来区分动脉炎与非动脉炎性缺血性光学神经病变
Ayse Gungor1,2, Raymond P Najjar3,4,5, Steffen Hamann6,7
1Sorbonne University, Paris, France.
JAMA ophthalmology
|October 17, 2024
概括
一个深度学习系统使用 fundus 图像准确地区分了动脉前缺血性视觉神经病变 (AAION) 和非动脉前缺血性视觉神经病变 (NAION). 这种人工智能工具有助于通过提高AAION的诊断准确度来预防视力丧失.
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:
- 关节前缺血性视神经病变 (AAION) 诊断对于预防视力损失至关重要.
- 区分AAION与非动脉炎前部缺血性视神经病变 (NAION) 是具有挑战性的,特别是没有全身症状或可靠的生物标志物.
研究的目的:
- 开发和验证一个深度学习系统 (DLS) 以使用彩色基底图像来区分AAION和NAION.
- 评估DLS在急性阶段AAION检测中的性能.
主要方法:
- 在一项国际研究中,DLS对来自802名确诊AAION或NAION的患者的961张彩色 fundus图像进行了训练.
- 外部验证是在一个单独的队列中使用来自不同 fundus 摄像机模型的图像进行的.
主要成果:
- 在外部测试中,DLS实现了高诊断性能:AUC为0.97,灵敏度为91.1%,特异性为93.4%,准确度为92.6%.
- DLS显著超过了人类专家的准确性 (74.3%和81.6%).
结论:
- DLS在仅使用彩色底部图像来区分AAION和NAION方面表现出卓越的准确性.
- 这种人工智能工具有可能增强临床决策和减少误诊,从而改善患者的治疗结果.

