[基于轻质卷积神经网络的光学连贯性断层扫描中损伤检测]
H Z Cheng1, X Wang1, X R Ning2
1Department of Ophthalmology, Sichuan Academy of Medical Sciences & Sichuan Provincial People's Hospital, Chengdu 610000, China.
[Zhonghua yan ke za zhi] Chinese journal of ophthalmology
|November 11, 2025
概括
这项研究开发了一种自动化系统,用于使用轻量级深度学习模型检测光学连贯性断层扫描 (OCT) 图像中的病变. 人工智能实现了与中级医生相当的性能,提高了诊断效率.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 在光学连贯断层扫描 (OCT) 图像中自动检测病变对于有效诊断至关重要.
- 目前的方法可能缺乏广泛临床采用所需的准确性和通用性.
研究的目的:
- 开发和验证一个轻量级的卷积神经网络,用于在OCT图像中自动检测病变.
- 将模型的诊断性能与具有不同临床经验的眼科医生进行比较.
主要方法:
- 一个回顾性研究,利用深度学习来构建一个轻量级的病变识别模型.
- 模型在多种OCT数据集上进行训练,并在独立的外部数据集上进行验证.
- 通过将模型准确性与眼科医生的解释进行比较来评估性能.
主要成果:
- 该模型在验证集上实现了高精度 (93.41%) 和ROC曲线下的面积为99.31%.
- 在九个OCT图像类别中表现出强的表现,精度率从79.23%到99.95%.
- 在外部验证上,模型的平均准确性 (89.9%) 接近中级医生的平均准确性 (88%).
结论:
- 本研究介绍了第一个自动识别系统,用于九个类别的OCT图像.
- 人工智能的临床表现初步与职业生涯中期的医生相匹配.
- 该模型显示了本地部署的潜力,以提高医疗保健机构的诊断效率和准确性.


