通过基于深度学习的红外图像细分来定量评估梅博姆腺功能障碍
Ziyang Yu1,2,3, Zhijun Wei1, Mini Han Wang3,4,5
1Beijing Institute of Technology, Zhuhai, China.
Frontiers in artificial intelligence
|November 14, 2025
概括
深度学习模型使用红外图像的定量特征准确地诊断和评分梅博姆腺功能障碍 (MGD). 这种方法提高了客观MGD评估的临床实用性.
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:
- 梅博米腺功能障碍 (MGD) 的诊断往往缺乏客观的定量措施.
- 对梅博米腺 (MG) 的高级图像细分算法显示临床集成有限.
研究的目的:
- 开发和验证深度学习模型,用于对MG图像进行定量分析,以帮助MGD诊断和分级.
- 为客观MGD评估提取形态和分布特征.
主要方法:
- 使用DeepLabV3+,U-Net和U-Net++进行红外MG图像细分.
- 提取了MGD的定量形态和分布指标.
- 使用斯皮尔曼相关性,盒子图和后勤回归进行分析和验证.
主要成果:
- 定量指标显示出与MGD严重程度的显著正相关性 (p < 0.001).
- 跨MGD等级的明显指标分布表明疾病进展模式.
- 后勤回归模型在MGD分类中实现了高AUC值 (0.87-0.94).
结论:
- 深度学习辅助的定量分析为客观MGD诊断和分级提供了强大的和临床相关的框架.
- 这种方法为眼科中自动化医学图像解释提供了一个有前途的工具.
