一个卷积神经网络使用前段照片来识别传染性角质炎

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:

• 角膜感染,包括细菌和真菌角膜炎,对视力构成重大威胁.
• 准确及时诊断对于有效治疗和预防视力丧失至关重要.
• 区分传染性和非传染性角膜疾病可能是具有挑战性的.

研究的目的:

• 开发和评估一种深度学习算法,用于区分细菌角膜炎,真菌角膜炎,非传染性角膜病变和正常角膜.
• 评估卷积神经网络 (CNN) 和角膜图像分析中的合体方法的性能.

主要方法:

• 这是一项回顾性研究,使用了来自2,171只眼睛的6,478张灯照片.
• 深度学习模型的开发,包括ResNet50,DenseNet121和VGG19.
• 应用一个集体技术与概率权重,以提高诊断准确度.

主要成果:

• 在单个CNN中,DenseNet121的准确度为0.8 (95%CI为0.74-0.86).
• 组合技术表现出卓越的性能,准确度为0.83 (95% CI 0.78-0.88).
• 该算法在区分各种角膜疾病方面表现出很高的性能.

结论:

• 深度学习模型,特别是组合技术,显示出准确的角膜状况诊断的前景.
• 开发的算法可以作为医疗保健提供者的有价值的查工具.
• 促进感染性角膜炎的快速临时诊断,有助于临床决策.