相关实验视频
Updated: Jun 20, 2026
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
在手持相机的视网膜照片上基于深度学习检测乳头:一项前性研究
Ayse Gungor1, Zhiqun Tang, Jing L Loo
1Sorbonne Université (AG, IS), Institut du Cerveau-Paris Brain Institute-ICM, Inria, Inserm, CNRS, APHP, Hôpital de la Pitié Salpêtrière, Paris, France; Rothschild Foundation Hospital (AG, LT, IS, DM), Neuro-Ophthalmology Department, Rothschild Computational and Visual Neurosciences Laboratory, Paris, France; Department of Ophthalmology (ZT, JLL, SS), Yong Loo Lin School of Medicine, National University of Singapore, Singapore; Singapore National Eye Centre (JLL, STLC, SS, RFCM, DM), Singapore; Duke-NUS Medical School (JLL, STLC, SS, DM), Singapore; Visual Neurosciences Group (SS, RPN, DM), Singapore Eye Research Institute, Singapore; Departments of Ophthalmology (NJN, VB) and Neurology (NJN, VB), Emory University School of Medicine, Atlanta, Georgia; and Copenhagen University (DM), Copenhagen, Denmark.
一个深度学习系统 (DLS) 从视网膜图像中准确地识别皮质和其他视神经病变. 这种人工智能工具在实际临床环境中表现出高性能,
科学领域:
- 眼科 眼科
- 人工智能
- 医学成像
背景情况:
- 眼膜和视神经病是关键的神经眼科发现,需要及时诊断.
- 视网膜照片分析对于识别这些疾病至关重要.
研究的目的:
- 评估深度学习系统 (DLS) 在识别眼膜炎和其他视神经病变方面的表现.
- 通过从神经眼科部门获得的非水性视网膜图像来评估DLS.
主要方法:
- 一项多中心研究使用了10,647名患者的20,533张视网膜照片.
- 一个DLS被训练在mydriatic图像和测试在non-hydriatic图像从手持相机.
- DLS将图像分类为皮膜,其他视觉盘异常或正常,其性能以AUC,灵敏度,特异性和精度来衡量.
主要成果:
- DLS的准确度为99. 5%,灵敏度为81. 0%,特异性为99. 7%,AUC与其他疾病和正常对照区分为98. 3%.
- 在眼睛和患者水平上评估了性能.
结论:
- 经过脑膜摄影训练的DLS对视觉盘异常的诊断表现出色.
- 在临床实践中使用手持相机拍摄的非水性视网膜图像时,该系统是有效的.
