相关实验视频
Updated: Jan 12, 2026
09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
22.2K
多模式人工智能用于视网膜脱落诊断,使用 fundus成像和患者问卷
Naoyuki Yonemaru1, Hitoshi Tabuchi2,3,4, Hodaka Deguchi2
1Technology Laboratory, Cresco Ltd, Minato-ku, Tokyo, Japan n-yonemaru@cresco.co.jp.
The British journal of ophthalmology
|November 7, 2025
概括
一个新的人工智能 (AI) 系统结合了眼睛成像和患者病史,显著改善了视网膜脱落 (RD) 诊断. 这种多式人工智能显示出高精度和更好的 RD 病例检测率.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 医学诊断 医学诊断 医学诊断
背景情况:
- 视网膜脱落 (RD) 诊断依赖于专家对 fundus 图像和患者数据的解释.
- 目前的诊断方法可能会耗时,可能会错过微妙的病例.
- 开发自动诊断工具对于早期检测和治疗至关重要.
研究的目的:
- 开发一种多式人工智能 (AI) 系统,用于诊断视网膜脱落 (RD).
- 整合超广场底部成像和患者问卷数据,以提高诊断准确度.
- 为了比较多式人工智能模型与单式人工智能和人类临床医生的性能.
主要方法:
- 收集了来自RD患者和对照者的超广场 fundus 图像和患者问卷.
- 使用对比性语言图像预训框架开发了一种多式人工智能模型.
- 进行每张图像和每位受试者的分析,以评估诊断性能.
主要成果:
- 与仅使用图像或仅使用问卷模型相比,多式人工智能模型表现出更高的性能.
- 实现了高精度 (0.899±0.054每图像,0.893±0.071每主题) 和回忆 (0.902±0.043每图像,0.949±0.044每主题).
- 人工智能模型显示了比人类临床医生更高的召回率,改善了真正的RD病例的检测.
结论:
- 整合底部成像和患者问卷数据显著提高基于AI的RD诊断.
- 多式联络方法在实现临床医生水平的诊断准确性方面表现有前途.
- 未来的工作应该专注于更大的数据集和精细的问卷,以进一步优化AI性能.
