人工智能可以增强对眼表面状瘤的诊断
Kincső Kozma1, Zoltán Richárd Jánki2, Vilmos Bilicki2
1Department of Ophthalmology, Medical School, University of Pécs, Rákóczi u. 2, Pecs, 7623, Hungary.
Scientific reports
|March 20, 2025
概括
人工智能 (AI) 模型使用体内共聚焦显微镜 (IVCM) 图像准确区分眼表面状瘤 (OSSN). 细胞水平分析实现了100%的F1得分,使眼睛瘤学的个性化诊断成为可能.
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:
- 眼表面状瘤 (OSSN) 的诊断可能具有挑战性.
- 在体内共聚焦显微镜 (IVCM) 提供了眼睛表面的高分辨率细胞细节.
- 人工智能为自动图像分析和改进诊断准确度提供了潜力.
研究的目的:
- 使用IVCM开发和评估AI模型,以区分OSSN与其他眼睛表面病变.
- 为了比较不同深度学习架构 (ResNet50V2,Yolov8x,VGG19) 的性能.
- 探索AI在识别个性化诊断患者特定特征方面的实用性.
主要方法:
- 在2774张IVCM图像上训练了三种深度学习模型,用于OSSN和其他眼睛表面疾病.
- 利用数据增强和少量学习来处理阶级不平衡和罕见的症状,如线粒分裂.
- 采用Shapley值和UMAP来实现模型的可解释性和可视化.
主要成果:
- 人工智能模型在区分健康和病态组织方面取得了超过90%的准确性.
- 二元分类性能超过97%的准确性 (精度≥98%,回忆≥85%,F1得分≥92%).
- 细胞水平结果的聚合产生了100%F1得分的最高性能,识别了患者特定的IVCM"指纹".
结论:
- 人工智能模型有效地使用高精度的IVCM图像对OSSN进行分类.
- 细胞级分类可以反向传播到图像和患者级分析.
- 基于IVCM的AI有望在眼科瘤学中实现个性化诊断和治疗监测.
