换一批眼底图像深度学习技术对屈光不正的智能诊断研究
Research on Intelligent Diagnosis of Refractive Error by Deep Learning Technology of Fundus Images
摘要目的:提出一种基于人类视觉注意力机制的RE-Net网络结构以使卷积神经网络(CNN)更适用于眼底相的屈光不正的智能诊断评估.方法:RE-Net由ResNet34作为骨干网络,进一步使用了上下文注意力模块,包括通道注意力机制和空间注意力机制,使其相应的通道发挥最大的作用,提高响应区域的权重.结果:使用了4358张眼底图像作为RE-Net的训练集.在包含485张眼底图像的测试集上,分类准确率分别为,高度近视93.3％,中度近视89.7％,轻度近视83.2％,轻度远视82.5％,中度远视79.5％,重度远视84.6％,平均分类准确率达85.5％,曲线下面积(AUC)为0.909,灵敏度为0.93,特异性为0.89,Kappa值为0.79(x2=23.21,P＜0.05).结论:基于深度学习的RE-NET人工智能诊断系统能较好进行屈光不正的诊断评估,有望为屈光不正提供一种新的筛查工具.
更多相关知识
分类号
R778.1（眼屈光学）
栏目名称
DOI
10.13241/j.cnki.pmb.2020.18.042
发布时间
2020-11-12（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（81700813）
北京市医院管理局青苗计划（QML20180205）
:北京市优秀人才培养资助项目
北京市科技新星计划（Z191100001119072）
:首都医科大学附属北京同仁医院拔尖人才培养计划
医药协同科研创新研究专项（Z181100001918035）
广东省重点领域研发计划项目（2018B010111001）
深圳市科技计划（ZDSYS201802021814180）
- 浏览147
- 被引1
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
