深度学习模型用于对角质沉积物的广泛诊断

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:

• 角膜沉积疾病带来了诊断上的挑战.
• 准确的分类对于有效的治疗和管理至关重要.
• 现有的诊断方法可能缺乏效率或需要专门的专业知识.

研究的目的:

• 通过开发深度学习 (DL) 系统来增强 CorneAI 人工智能模型,用于诊断七种角膜沉积条件.
• 具体针对的是粉样化症,带状角膜病变,颗粒状角膜缩症 (GCD),晶状角膜缩症 (LCD),凝状滴状缩症 (GDLD),施奈德角膜缩症 (SCD) 和黄斑角膜缩症 (MCD).

主要方法:

• 对7种角膜不透明度类型的1546个灯图像进行了回顾性分析.
• 使用了你只看一次版本5 (YOLOv5) 深度学习架构.
• 采用5倍交叉验证进行模型培训,并在单独的303图像测试数据集上评估性能.

主要成果:

• DL模型实现了0.94.9的高整体正预测值 (PPV).
• 对于带状角膜病变 (0.95),GCD (0.95),LCD (0.83),SCD (0.99) 和MCD (0.88) 的强烈PPV已经证明.
• 对于粉样化症 (0.75) 和GDLD (0.75) 观察到较低的PPV;DL模型在PPV (0.96) 中表现优于专家 (0.89) 和居民 (0.67).

结论:

• 开发的DL模型准确地诊断出几种角膜沉积疾病,包括带状角膜病变,GCD,LCD,SCD和MCD.
• 该模型需要进一步细化,以便精确地分类粉样化和GDLD.
• 这种DL模型代表了将其集成到CorneAI系统中的重要一步,以便在未来临床应用.