相关实验视频
Updated: Jul 9, 2026
09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
21.6K
一个基于深度学习的ADRPPA算法用于预测糖尿病视网膜病变的进展
Victoria Y Wang1, Men-Tzung Lo2, Ta-Ching Chen3,4
1Department of Ophthalmology, Keck School of Medicine, USC Roski Eye Institute, University of Southern California, Los Angeles, CA, USA.
Scientific reports
|December 31, 2024
概括
人工智能 (AI) 模型使用纵向视网膜图像预测糖尿病视网膜病变 (DR) 的进展. 这种人工智能驱动的糖尿病视网膜病变进展预测算法 (ADRPPA) 可以识别高风险患者及时治疗.
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:
- 糖尿病视网膜病变 (DR) 的监测通常依赖于人类专家.
- 目前的AI模型提供诊断,但缺乏DR预后和治疗的预测洞察力.
- 纵向视网膜成像数据具有预测DR进展的潜力.
研究的目的:
- 开发和验证一种人工智能驱动的算法,用于使用纵向视网膜成像数据预测DR进展.
- 评估深度学习模型在预测从非可引用的DR (NRDR) 过渡到可引用的DR (RDR) 的有效性.
主要方法:
- 从EyePACS数据集 (≥1年间隔) 中对联视网膜底图像的回顾性分析.
- 训练一个ResNeXt神经网络用于DR严重程度分级和一个Mask R-CNN用于微动脉瘤量化.
- 使用DR和微动脉瘤得分来预测NRDR到RDR的进展.
主要成果:
- ResNeXt模型在诊断RDR方面取得了很高的性能 (AUC从0.963到0.971).
- 面膜R-CNN证明了有效的微动脉瘤检测 (回忆力:0.786,精度:0.615,F1分数:0.690).
- 结合的ResNeXt (768像素) 和Mask R-CNN (1600像素) 模型预测了NRDR到RDR的进展,F1得分为0.422.2.
结论:
- 在纵向数据上训练的深度学习模型可以有效地预测DR进展.
- 人工智能生成的DR和微动脉瘤得分有助于识别患有NRDR高风险的患者.
- 这有利于糖尿病视网膜病变的早期干预和及时治疗.
