换一批基于眼底彩照的近视性黄斑病变自动分类深度学习模型构建及验证
Development and validation of a deep learning model for automatic classification of myopic maculopathy based on color fundus images
摘要目的 构建基于眼底彩照的近视性黄斑病变自动分类深度学习模型,探讨其应用价值.方法 收集2022年1月—2024年12月南京医科大学眼科医院采集的2 171张彩色眼底图像,按9∶1比例随机划分为训练集1 954张和测试集217张,用于模型学习与超参数调优.使用文献中432张彩色眼底图像作为外部独立验证集.对所有图像进行有效视野提取和光照归一化预处理后,以人工近视性黄斑病变分类(C0～C4类)结果为金标准,构建基于ConvNeXt双分支、注意力多实例学习与有序分级输出的彩色眼底图像近视性黄斑病变自动分类深度学习模型.采用混淆矩阵分析模型诊断验证集彩色眼底图像C0～C4类近视性黄斑病变分类的灵敏度、特异度、准确率;绘制ROC曲线,评估模型对验证集不同类别近视性黄斑病变的诊断效能.结果 模型对验证集C0～C4类病变诊断的灵敏度分别为99.00％、94.20％、100.00％、88.75％、84.62％,特异度分别为 97.29％、99.66％、98.60％、98.30％、99.24％;模型的加权平均灵敏度为94.44％,加权平均特异度为98.64％,加权平均准确率为97.77％,加权平均F1分数为94.41％;诊断C0～C4类的AUC均＞0.97,micro-AUC为0.989 5.模型二次加权Kappa值为97.70％.结论 基于ConvNeXt双分支、注意力多实例学习与有序分级输出构建的深度学习模型可高效、准确鉴别彩色眼底图像近视性黄斑病变分类,可靠性、一致性较高,可为临床筛查病理性近视提供参考.
更多相关知识
关键词
近视性黄斑病变深度学习图像分类人工智能病理性近视眼底彩照myopic maculopathydeep learningimage classificationartificial intelligencepathological myopiacolor fundus images
栏目名称
DOI
10.13507/j.issn.1674-3474.2026.03.012
发布时间
2026-04-16（万方平台首次上网日期，不代表论文的发表时间）
基金项目
广东省基础与应用基础研究基金（2025A1515011627）
- 浏览0
- 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
