相关实验视频
Updated: May 5, 2026
09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
21.6K
深度学习算法用于诊断和预测氧化素视网膜病变:一个国际,多机构研究
Peter Woodward-Court1, Jeffry Hogg2, Terry Lee3
1NIHR Biomedical Research Centre, Moorfields Eye Hospital NHS Foundation Trust, UCL Institute of Ophthalmology, London, UK.
Ophthalmology. Retina
|June 13, 2025
概括
一个新的深度学习算法HCQuery可以使用SD-OCT图像检测氧化氨酸视网膜病变. 它还可以预测未来视网膜病变的发生,在临床诊断前几年就能发现它.
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:
- 氧化 (HCQ) 是一种用于治疗自身免疫性疾病的药物.
- 长期使用HCQ可能导致视网膜病变,这是一个严重的眼睛疾病.
- 早期发现HCQ视网膜病变对于预防视力丧失至关重要.
研究的目的:
- 开发一种深度学习算法 (HCQuery) 来检测氧化视网膜病变.
- 为了从SD-OCT图像中预测氧化素视网膜病变的未来发生情况.
主要方法:
- 一个深度学习算法 (EfficientNet-b4) 在409名患者的回顾性SD-OCT图像上进行了训练和验证.
- 该算法处理了来自两个SD-OCT设备的斑点体积.
- 使用灵敏度,特异性,准确性,PPV,NPV,AUROC和AUPRC来评估性能.
主要成果:
- 在临床诊断时,HCQuery算法在检测HCQ视网膜病变方面表现出高精度 (0.987).
- 在临床诊断前平均220.8天,它成功预测了视网膜病变.
- 对于视网膜病变的眼睛,HCQuery平均提前2.74年发现了它.
结论:
- 一个深度学习算法,HCQuery,可以有效地检测氧化氨酸视网膜病变.
- 在临床诊断前几年,HCQuery可以预测视网膜病变.
- 这种算法具有早期干预和改善患者结果的潜力.
