相关实验视频
Updated: May 5, 2026
09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
21.8K
通过多任务学习方法对异质 fundus 图像数据集进行糖尿病视网膜病变评估
Hongkang Wu1, Kai Jin1, Yiyang Jing2
1Zhejiang Provincial Key Laboratory of Ophthalmology, Zhejiang Provincial Clinical Research Center for Eye Diseases, Zhejiang Provincial Engineering Institute on Eye Diseases, Eye Center of Second Affiliated Hospital, School of Medicine, Zhejiang University, Hangzhou, China.
Ophthalmology science
|June 16, 2025
概括
一个人工智能系统,糖尿病视网膜病变分析模型助理 (DRAMA),在多源数据集中准确诊断了糖尿病视网膜病变 (DR) 和糖尿病黄斑 (DME). 与人类眼科医生相比,DRAMA显著提高了诊断效率,在几毫秒内完成分析.
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:
- 糖尿病视网膜病变 (DR) 是导致视力丧失的主要原因.
- 准确和有效的DR诊断对于及时干预至关重要.
- 当前的诊断方法可能耗时,需要专门的专业知识.
研究的目的:
- 开发和验证基于人工智能 (AI) 的系统,糖尿病视网膜病分析模型助理 (DRAMA).
- 为了提高糖尿病视网膜病变的诊断准确性和效率,在不同的数据集中.
- 评估DRAMA在识别与糖尿病相关的各种眼部疾病方面的表现.
主要方法:
- 一项采用957名参与者的1500张视网膜图像进行的横截面研究.
- 为11个多标签任务开发人工智能模型 (EfficientNet-B2),包括图像质量评估,病变检测和糖尿病黄斑 (DME) 检测.
- 使用精度,灵敏度,特异性和AUC的性能评估,在独立数据集上进行外部验证.
主要成果:
- 德拉玛的诊断准确度很高,质量评估达到87.02%,病变检测达到91.60%.
- 在大多数任务中,曲线下的面积 (AUC) 超过了0.95,分级和DME检测为0.93.
- 人工智能系统在86毫秒内对整个测试集进行了诊断,大大超过了人类分析时间.
结论:
- 基于人工智能的DRAMA系统显示了在诊断糖尿病视网膜病变时临床整合的巨大潜力.
- 德拉玛显著提高了诊断效率和准确性,在资源有限的环境中尤其有利.
- 多任务人工智能模型显示,通过更快,更精确的DR检测,它有望改善患者的治疗结果.
