从眼睛表面图像中基于深度学习检测眼睛表面状新陈代谢

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:

• 眼表面状瘤 (OSSN) 涵盖了一系列结膜和角膜状瘤.
• 准确检测OSSN对于及时诊断和治疗至关重要.

研究的目的:

• 评估人工智能 (AI) 模型在使用裂纹灯 (SL) 图像识别OSSN方面的有效性.
• 探索深度学习算法的潜力,用于分类眼睛表面病变.

主要方法:

• 一项回顾性观察研究包括634张SL图像:163张OSSN,202张其他眼睛表面疾病 (OOSD) 和269张正常.
• 三个深度学习模型 (MobileNetV2,Xception,DenseNet121) 被训练并测试了三元分类.
• 在模型评估中采用了五重交叉验证策略.

主要成果:

• 人工智能模型在检测OSSN方面取得了良好的表现.
• 移动NetV2在OSSN检测方面表现出最高的平均准确度 (88.8%) 和特异性 (96.25%).
• 对于MobileNetV2和Xception,OSSN检测的平均灵敏度为74%.

结论:

• 人工智能模型显示出基于图像的OSSN检测具有重大潜力.
• 这些人工智能工具可以促进OSSN在初级医疗保健机构的查.
• 人工智能可以增强远程咨询功能,用于远程OSSN诊断.