换一批
换一批眼底荧光血管造影图片中无灌注区的人工智能识别
Artificial intelligence recognition of non-perfusion areas in fundus fluorescence angiography images
摘要目的:探讨人工智能识别眼底荧光血管造影图片中无灌注区的能力.方法:收集中日友好医院眼科2018年3月-2023年6月期间的眼底荧光血管造影检查结果,1000例患者中筛查出无灌注患者347例,获取无灌注区的眼底荧光血管造影照片622张.1名具有10年临床经验的眼科医生利用RectLabel标注软件中的多边形工具对其中眼底荧光血管造影图片进行手工标注.本研究的深度学习模型采用Vision Transformer与卷积神经网络相融合的总体网络结构,采用渐进式迁移学习策略和加权损失函数强化模型的识别能力.结果:共标注991个无灌注区作为"正样本",同时在荧光造影图片上无灌注区以外区域,随机裁切一定数量的、大小相同的矩形区域,作为"负样本".考虑到视网膜无灌注区实际发病率以及在临床上的比例,最终正负样本的采样比例约为1:9,负样本的数量为8878个.得到的预测灵敏度为98.7％,特异度为95.9％,约登指数为94.6％,查准率为73.3％,F分数为77.9％,准确度为96.9％.结论:本研究的深度学习模型识别眼底荧光血管造影中的无灌注区的能力较强,敏感性和特异性均较高.
更多相关知识
- 浏览4
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
