一个全面的概述:深度学习方法用于诊断中央血清性胆红蛋白病变
Mohammad Shojaeinia1, Azamossadat Hosseini1, Mostafa Naderi2
1Department of Health Information Technology and Management, School of Allied Medical Sciences, Shahid Beheshti University of Medical Sciences, Darband Street, Tehran, 1971653313, Iran.
BMC ophthalmology
|October 6, 2025
概括
深度学习显示在使用OCT图像诊断中枢血清性胆红蛋白病变 (CSCR) 时具有高准确性. 诸如有限的数据等挑战阻碍了临床使用,需要改进验证和AI解释性以实现更广泛的采用.
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:
- 中央血清性胆色素变异症 (CSCR) 是一种导致视力丧失的黄斑疾病.
- 深度学习 (DL) 提供了自动诊断的潜力.
研究的目的:
- 系统地审查用于CSCR诊断的DL应用.
- 评估DL性能,临床整合和局限性.
主要方法:
- 系统审查的PubMed,Scopus,IEEE Xplore (1990-2024年). 这是一个很好的方法.
- 包括96项同行评审研究,报告了CSCR的定量DL指标.
- 通过成像模式,模型架构和诊断任务分析数据.
主要成果:
- DL模型实现了高诊断性能 (例如,DenseNet在OCT上的准确率为99.78%).
- 细分模型报告了高的子得分 (高达0.965);多式模式显示AUC为0.999.
- 临床采用受到稀缺,不平衡的数据集,缺乏开放访问资源和不足的验证的限制.
结论:
- DL,特别是OCT和多式成像,可以提高CSCR诊断的准确性和自动化.
- 克服数据的局限性,确保概括性和改善模型解释性 (XAI) 是临床翻译的关键.
- 未来的工作应该集中在联合学习,多式联接和大规模验证现实世界的适用性.
