在生物共聚焦显微镜用于自动检测梅博姆腺功能障碍:基于深度卷积神经网络的研究
Qianmin Ge1, Jinyan Lin2, YeYe Zhang2
1Department of Ophthalmology, The First Affiliated Hospital, Jiangxi Medical College, Nanchang University, Nanchang, Jiangxi, 330006, China.
Journal of imaging informatics in medicine
|January 27, 2025
概括
一个深层卷积神经网络 (DCNN) 准确地诊断了使用体内共聚焦显微镜 (IVCM) 图像的梅博姆腺功能障碍 (MGD). 这种AI模型显示出高精度和回忆,有助于临床决策.
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:
- 梅博米腺功能障碍 (MGD) 是一种常见的疾病,影响眼睛表面的健康.
- 准确诊断MGD对于有效的临床管理和治疗至关重要.
- 在体内共聚焦显微镜 (IVCM) 提供了眼睛结构的详细成像,包括梅博姆腺.
研究的目的:
- 开发和评估深度卷积神经网络 (DCNN) 用于使用IVCM图像诊断和分类MGD.
- 评估DCNN模型与专家眼科医生诊断的性能.
- 确定DCNN模型在临床MGD诊断和治疗中的辅助意义.
主要方法:
- 一个DCNN模型,特别是DenseNet-169,是使用6643个IVCM图像进行训练而构建的.
- 一组单独的1661个IVCM图像用于测试模型的性能.
- 使用AUROC,准确性,精度,回忆,TNR,TPR和FPR等指标评估模型性能,与三位眼科医生的诊断进行比较.
主要成果:
- DCNN模型表现出高精度 (超过90%) 和低损耗,在175.5时代表现稳定.
- 大多数分类的精度超过了90%,在几个类别中接近100%.
- 召回值从0.8728到0.9981不等,查和分类中假阳性率 (FPR) 较低.
结论:
- 开发的DCNN模型有效地从IVCM图像中高精度地分类和诊断MGD.
- DCNN模型与专家眼科医生诊断有很强的一致性,表明其可靠性.
- 这种人工智能驱动的方法具有改善眼科MGD诊断和临床决策的巨大潜力.


