一个深度学习细分模型用于检测活跃的扩散性糖尿病视网膜病变
Sebastian Dinesen1,2,3, Marianne G Schou4,5, Christoffer V Hedegaard4
1Department of Ophthalmology, Odense University Hospital, Sdr. Boulevard 29, 5000, Odense, Denmark. sebastian.dinesen@rsyd.dk.
Ophthalmology and therapy
|March 27, 2025
概括
一个新的深度学习模型在视网膜图像中准确地识别出活性增殖性糖尿病视网膜病变 (PDR). 该工具有助于检测需要立即PDR治疗的患者,改善患者的治疗结果.
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:
- 扩散性糖尿病视网膜病变 (PDR) 的检测需要先进的工具,以便及时治疗.
- 目前的深度学习 (DL) 算法在准确的PDR识别方面存在困难.
研究的目的:
- 使用六场视网膜图像开发DL细分模型,用于积极的PDR检测.
- 标注新的视网膜血管和视网膜前出血,以确定活跃的PDR.
主要方法:
- 利用了来自丹麦糖尿病视网膜病变查计划的六场视网膜图像.
- 手动分类图像到主动或非主动的PDR通过认证的分级器.
- 应用了DL细分模型来注释病变,重点关注新血管和宫前出血.
主要成果:
- DL模型在分类活性PDR时实现了90%的灵敏度和70%的特异性.
- 负预测值为94%,正预测值为57%.
- 该模型成功地在637个活跃的PDR图像中注释了新的血管和子宫前出血.
结论:
- 开发的DL细分模型显示了对主动PDR检测的高灵敏度.
- 该模型在区分活性与非活性PDR方面显示了可接受的特异性.
- 这种工具可以帮助临床医生识别需要紧急PDR治疗的患者.


