ZhixiLi,StuartKeel,ChiLiu,YifanHe,WeiMeng,JaneScheetz,PeiYingLee,JonathanShaw,DanielTing,TienYinWong,HughTaylor,RobertChangandMingguangHe
本刊负责人：吕朝晖 医院
审校：李颖 医院
翻译：郝明 哈尔滨医院
摘要
目的：本研究的目的是描述一种检测相关糖尿病视网膜病变（DR）的基于人工智能的深度学习算法（DLA）的开发及其有效性。
研究设计和方法：一个应用卷积神经网络的深度学习算法被开发用来自动检测威胁视力的糖尿病相关的视网膜病变（增殖前期DR或更严重的DR，糖尿病性*斑水肿，或两者都存在）。应用张非立体视网膜图像测试DLA。眼科专家小组对开发和内部验证数据包内视网膜照片进行DR严重程度分级（n=），当三个分级者分级结果一致，就判定为一个参考标准分级。为了进行外部验证，使用来自马来、高加索澳大利亚人和本土澳大利亚人的人群队列的只眼睛的张图像（只眼存在DR；只眼存在威胁视力的DR）对DLA进行测试。
结果：在训练和验证数据包的张视网膜图像中，张显示有威胁视力的DR。在内部验证数据包中，威胁视力糖尿病相关视网膜病变的DLA曲线下面积（AUC）、灵敏度和特异性分别为0.%、97.0%和91.4%。对独立的多民族数据进行测试，得出的AUC、敏感性和特异性分别为0.%、92.5%和98.5%。在假阳性病例中，85.6%的患者被误分类为轻度或中度DR。未检测到的视网膜内微血管病变占所有假阴性病例的77.3%。
结论：这种基于人工智能的深度学习算法可以用于通过视网膜图像检测威胁视力糖尿病相关视网膜病变，准确性高。这项技术可以潜在地提高糖尿病视网膜病变筛查的效率和可及性。
本文/摘要原文选自DiabetesCare原刊，任何媒体、网站均不得转载。
预览时标签不可点收录于话题#个上一篇下一篇