评估深度学习算法的可重现性,用于预测视网膜年龄
Jay Rodney Toby Zoellin1,2, Ferhat Turgut1,2,3, Ruiye Chen4
1Department of Ophthalmology, Stadtspital Triemli: Stadtspital Zurich Triemli, Birmensdorferstrasse 497, CH-8063, Zurich, Switzerland.
GeroScience
|November 26, 2024
概括
来自视网膜图像的视网膜年龄差距 (RAG) 预测显示出可变性,受图像质量和日间效应的影响. 对于这种新兴的临床指标,需要标准化的协议.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 老年学是一门学科.
背景情况:
- 深度学习算法 (DLA) 从视网膜图像预测时间表年龄.
- 视网膜年龄差距 (RAG),预测视网膜年龄 (RA) 和时间年龄之间的差异,与死亡率和与年龄相关的疾病有关.
研究的目的:
- 评估RA预测的可靠性和准确性.
- 分析影响RA预测变化的因素.
主要方法:
- 利用了来自Intravisit和Intervisit参与者组的彩色基底摄影.
- 适用于RA预测的既定DLA.
- 评估了测试-复试差异和眼间一致性.
主要成果:
- 平均绝对测试-重复测试差异为2.39年 (互访) 和2.13年 (内访).
- 图像质量改进减少了50%的差异,但平均质量与结果没有相关性.
- 白天变化显示下午RA估计过高;眼间一致性超过3年.
结论:
- 预测RA的可靠性受到图像质量和日间变化的影响.
- 标准化的成像协议对于一致的RA预测至关重要.
- 在临床研究中,RAG显示出作为可靠指标的潜力.
