使用公共数据集和深度学习验证Eyerobo FC便携式底部摄像头用于糖尿病视网膜病变查,使用公共数据集和深度学习

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:

• 糖尿病视网膜病变 (DR) 查对于预防视力丧失至关重要.
• 便携式 fundus 摄像机为DR查提供了更广泛可访问性的潜力.
• 根据已建立的基准来验证新设备对于临床采用至关重要.

研究的目的:

• 评估用于DR查的便携式Eyerobo FC fundus摄像头的诊断性能.
• 为了比较Eyerobo FC的性能与桌面底部摄像头基准.
• 评估转移学习的有效性,用于在不同的 fundus 成像平台上应用 AI 算法.

主要方法:

• 使用三层实验设计进行前性验证研究.
• 在桌面基础上训练一个深度学习模型 (EfficientNet-B4) 摄像头图像.
• 在没有重新训练的情况下,对来自Eyerobo FC的图像验证AI模型,将灵敏度和特异性与桌面基准进行比较.

主要成果:

• 与桌面基准 (92.7%和94.3%) 相比,Eyerobo FC实现了非劣质的灵敏度 (92.3%) 和特异性 (94.2%).
• 埃耶罗博足球队的曲线下的面积 (AUC) 为0.977,超过了桌面基准值的0.952.
• 人工智能模型显示了93.3%的准确性,具有出色的级别间协议和高图像分级率 (94.4%).

结论:

• 埃耶罗博FC fundus 摄像头的诊断性能与使用人工智能进行DR查的桌面系统相提并论.
• 转移学习使人工智能算法能够成功跨领域应用,支持算法概括性.
• 使用Eyerobo FC的便携式人工智能辅助查适用于资源有限和护理地点设置.