相关实验视频
Updated: May 12, 2026
09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
22.2K
对于糖尿病视网膜病变查深度学习算法的未来验证:系统性审查和元分析
Ting-Wei Wang1, Wei-Ting Luo2, Yu-Kang Tu3
1Department of Education, Taipei Veterans General Hospital, Taipei, Taiwan; School of Medicine, National Yang-Ming Chiao Tung University, Taipei, Taiwan; Institute of Biophotonics, National Yang-Ming Chiao Tung University, Taipei, Taiwan; Department of Computer Science, Whiting School of Engineering, Johns Hopkins University, Baltimore, Maryland, USA.
Survey of ophthalmology
|December 4, 2025
概括
深度学习算法在糖尿病视网膜病变查方面表现出高准确度. 这些人工智能系统在各种设备和环境中显示出一致的性能,支持在初级保健中广泛使用.
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:
- 深度学习 (DL) 算法越来越多地用于糖尿病视网膜病变 (DR) 查.
- 对于DR的DL系统的未来诊断准确性需要进一步的定义.
研究的目的:
- 评估DL算法对DR查的潜在诊断准确性,使用彩色基底图像.
- 评估影响DL基DR查性能和异质性的因素.
主要方法:
- 对评估DR查DL系统的前性研究进行系统审查和元分析.
- 使用 QUADAS-2 标准进行数据提取和质量评估.
- 层次的双变随机效应模型,以聚合灵敏度和特异性.
主要成果:
- 综合患者水平的灵敏度为0.94和特异性为0.90;眼睛水平的灵敏度为0.93和特异性为0.94.
- DR亚型,视网膜场策略,摄像机类型和患病率独立解释了性能异质性.
- DL性能与FDA批准的关键系统相匹配或超过;AI可分级性在各种设备中很高.
结论:
- 基于DL的DR查在各种设备和临床环境中提供一致的高精度.
- 在初级保健,药房和移动诊所中,可扩展地部署DL用于DR查是可行的.
- 质量保证和持续监测对于最大限度地提高DR查中AI在人口层面的好处至关重要.
