相关实验视频
Updated: May 3, 2026

Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
通过对视网膜图像应用的深度学习对糖尿病病的非侵入性活检诊断:基于人口的研究
Ziyao Meng1, Zhouyu Guan2, Shujie Yu2
1Shanghai Belt and Road International Joint Laboratory of Intelligent Prevention and Treatment for Metabolic Diseases, Department of Computer Science and Engineering, School of Electronic, Information, and Electrical Engineering, Institute for Proactive Healthcare, Shanghai Jiao Tong University, Department of Endocrinology and Metabolism, Shanghai Sixth People's Hospital Affiliated to Shanghai Jiao Tong University School of Medicine, Shanghai Diabetes Institute, Shanghai Clinical Centre for Diabetes, Shanghai Key Laboratory of Diabetes Mellitus, Shanghai, China; MOE Key Laboratory of AI, School of Electronic, Information, and Electrical Engineering, Shanghai Jiao Tong University, Shanghai, China.
人工智能深度学习系统DeepDKD可以检测糖尿病病 (DKD) 并使用视网膜图像将其与非糖尿病病 (NDKD) 区分开来. 这项技术对改善糖尿病护理和查可访问性有前途.
科学领域:
- 眼科医生 眼科 眼科
- 腎臟病學 (nephrology) 是一種醫學專業.
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 查糖尿病病 (DKD) 和区分它与非糖尿病病 (NDKD) 是糖尿病管理的关键挑战.
- 视网膜底部图像为系统健康提供了一个非侵入性的窗口,包括功能.
研究的目的:
- 开发和验证一种人工智能 (AI) 深度学习系统 (DeepDKD),用于从视网膜图像中检测DKD.
- 通过视网膜底部摄影,评估DeepDKD使用视网膜底部摄影来区分隔离糖尿病病与NDKD的能力.
主要方法:
- 一个深度学习系统,DeepDKD,在一个大数据集的视网膜底图像 (734,000多张图像) 上被开发和训练.
- 该系统经过了多个多民族数据集的内部和外部验证,用于DKD检测和NDKD差异化.
- 概念验证研究包括前性现实世界查和功能变化的纵向分析.
主要成果:
- 在检测DKD方面,DeepDKD表现出强的性能,内部AUC为0.842,外部AUC为0.791-0.826.
- 为了从NDKD中区分隔离糖尿病病,DeepDKD在内部实现了0.906的AUC,在外部达到0.733-0.844.
- 在一项前性研究中,DeepDKD对DKD检测的敏感度较高 (89.8%),而不是元数据模型 (66.3%).
结论:
- 一个基于视网膜图像的AI深度学习系统 (DeepDKD) 显示出在不同人群中检测DKD并将其与NDKD区分开来的巨大潜力.
- 这种人工智能工具可以提高糖尿病患者查脏并发症的可访问性和准确性.
- DeepDKD可能有助于早期识别和治疗脏疾病,可能改善长期脏结果.
相关概念视频
Diabetic Retinopathy
Diabetic Nephropathy

