相关实验视频
Updated: May 5, 2026
09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
22.2K
开发和验证深度学习系统,提供全区范围的糖尿病视网膜查服务
Jason R Daley1,2, Xingdi Wang1,2, Natalie Ngo1,3
1Liverpool Hospital, Sydney, Australia.
Clinical & experimental ophthalmology
|June 10, 2025
概括
人工智能 (AI) 对糖尿病视网膜病变 (DR) 的查显示出高准确度. 这种双模式的深度学习系统有效地从视网膜图像中检测视力威胁的DR (vtDR),支持新的查模型.
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:
- 糖尿病视网膜病变 (DR) 是可预防的失明的主要原因.
- 人工智能增强的视网膜查提供了一个潜在的解决方案,以减少DR的影响.
- 这项研究评估了一种双模态深度学习系统,用于检测危及视力的DR (vtDR).
研究的目的:
- 评估用于vtDR检测的双模式深度学习系统的性能和有效性.
- 评估该系统在分类 fundus 照片和检测 OCT 扫描从糖尿病黄斑 (DMO) 的准确性.
- 确定人工智能系统在多民族社区的现实应用性.
主要方法:
- 一项采用深度学习系统进行的横截面研究,用于分析 fundus 照片和 OCT 扫描.
- 内部验证使用了80:20数据分割;外部验证将AI分级与748名患者的眼科医生评估进行了比较.
- 关键的结果指标包括灵敏度,特异性和接收器操作特征曲线 (AUC) 下的面积.
主要成果:
- 人工智能系统在现实应用中表现出高精度,AUC为0.94,用于vtDR检测.
- 具体的性能指标包括92.7%的灵敏度和95.5%的特异性,用于vtDR检测.
- 该系统在 fundus 照片分级性 (0.92) 和 DMO 检测 (0.90) 中实现了高 AUC.
结论:
- 双模态深度学习系统通过 fundus 照片和 OCT 扫描准确地诊断出 vtDR.
- 人工智能系统表现出高精度和特异性,使其适合临床使用.
- 这项技术可以为DR查提供一种新且有效的模型.
