改善病理近视诊断:一种双模人工智能方法,整合 fundus 和光学连贯性断层扫描成像,用于精确的缩,引和新血管分级
Zhiyan Xu1,2, Yajie Yang3, Huan Chen1,2
1Department of Ophthalmology, Peking Union Medical College Hospital, Beijing, China.
The British journal of ophthalmology
|May 20, 2025
概括
一个新的双模人工智能 (AI) 模型使用 fundus 和 OCT 图像准确地评分病态近视 (PM). 这种人工智能工具有助于早期检测和公共卫生查视力障碍.
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:
- 病态近视 (PM) 是全球视力障碍的主要原因之一.
- 早期检测和精确的PM分级对于有效的干预至关重要.
- 缩,引和新血管 (ATN) 系统精确地定义了PM的进展.
研究的目的:
- 构建一个全面的底部和光学连贯性断层扫描 (OCT) 图像的数据集,用于PM.
- 开发一种双模人工智能 (AI) 分类模型,用于PM中的ATN分级.
主要方法:
- 一项回顾性研究收集了PM患者的2760个配对 fundus 和 OCT 图像.
- 眼科专家使用ATN分级系统标记图像.
- 开发了一种双模人工智能模型,配备ResNet-50骨干和多模多实例学习.
主要成果:
- 与单模模式模型相比,双模AI模型在PM中的ATN分级方面表现出更高的准确性.
- 双重深度学习 (DL) 模型实现了严重PM分类的0.9635曲线下的面积.
- 实例注意力重量激活地图证实了该模型的有效性.
结论:
- 一个新的双模人工智能多分类模型用于PM ATN分阶段是准确和有效的.
- 这种人工智能模型可以有利于公共卫生查和PM患者的快速转诊.
- 开发的AI模型提高了PM评估的精度.
