使用深层卷积神经网络从 Fundus 照片中检测高度近视的眼睛中的玻璃眼
Xiaohong Chen1, Chen Zhou2, Yingting Zhu1
1State Key Laboratory of Ophthalmology, Zhongshan Ophthalmic Center, Sun Yat-Sen University, Guangdong Provincial Key Laboratory of Ophthalmology and Visual Science, World Health Organization Collaborating Center for eye Care and Vision, Guangzhou, China.
Clinical & experimental ophthalmology
|February 9, 2025
概括
一个新的AI模型准确地检测高近视眼中的玻璃眼,超过人类眼科医生. 这一进步有助于诊断这种危及视力的疾病,特别是在高度近视性绿眼综合病例中.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能在医学中的应用
- 医学成像分析 医学成像分析
背景情况:
- 高近视 (HM) 是青光眼的重要危险因素.
- 在高度近视眼中诊断青光眼是具有挑战性的,因为不典型的结构变化.
- 目前还没有确立的算法用于检测高近视个体的青光眼.
研究的目的:
- 开发和评估一种人工智能 (AI) 算法,用于检测高度近视型玻璃眼 (HMG).
- 将人工智能模型的诊断性能与人类眼科医生进行比较.
- 确定人工智能用于诊断HMG的关键特征.
主要方法:
- 一个ResNet-50网络使用2643张彩色基底照片进行了训练.
- 使用十倍交叉验证策略来评估模型性能.
- 用梯度加权的类激活地图来视觉解释AI的决策.
主要成果:
- 人工智能模型在区分HM,青光眼,HMG和正常眼睛方面实现了97.7%的准确性和98.6%的AUC.
- 该模型的表现明显优于两位眼科医生,他们的准确率分别为64.7%和69.9%.
- 激活地图突出显示光盘,周囊区域和下盘区域是HMG的关键诊断区域.
结论:
- 开发的人工智能模型在诊断高度近视性玻璃眼症方面表现出高效.
- 该模型提供了对特定诊断特征的洞察,有助于临床决策.
- 这种人工智能工具具有很大的潜力,可以协助复杂的HMG诊断.
