论文部分内容阅读
目的
提出一种基于深度学习的早产儿视网膜病变(ROP)智能辅助诊断系统，并评估其在临床上的应用价值。
方法采集武汉大学人民医院眼科中心2009年7月至2016年12月行早产儿眼底筛查的38 895张图像构建眼底图像大规模数据集，由10名眼科医生进行标注，建立深度学习网络，通过对模型的训练实现ROP的自动诊断，评估该算法自动筛查ROP分期、分区及附加病变的性能和准确率。
结果深度学习智能诊断系统对ROP分期及其附加病变、视盘、黄斑及激光治疗瘢痕检测的平均准确率为0.931；其中检测分界线(Ⅰ期)准确率为0.876，视网膜嵴(Ⅱ期)为0.942，膜嵴伴血管扩张(Ⅲ期)为0.968；视网膜不完全脱离(Ⅳ期)为0.998，视网膜完全脱离(Ⅴ期)为0.999；血管迂曲扩张(附加病变)为0.896，视盘为0.954，黄斑为0.781，激光治疗瘢痕为0.974。
结论基于深度学习算法的ROP的疾病分期和附加病变的诊断准确率高，可用于ROP的临床辅助诊断和筛查。