基于双模态深度学习模型诊断及鉴别诊断nAMD和PVC的研究  

作　　者：崔英杰 袁立飞 王艳辉 张胜娟 宋美娜[3] 胡天翼 周庚显 王莉菲 

机构地区：[1]华北理工大学,河北唐山063210 [2]河北省眼科医院,河北邢台054001 [3]北京邮电大学计算机学院,国家示范性软件学院,北京100876

出　　处：《当代医药论丛》2023年第4期115-118,共4页

摘　　要：目的:研究开发基于双模态深度学习算法的自动区分眼底影像和光学相干断层扫描(OCT)影像的智能辅助诊断系统Wet-AMD-Net,用于新生血管性年龄相关性黄斑变性(nAMD)和息肉状脉络膜血管病变(PCV)的诊断及鉴别诊断。方法:选取临床确诊的nAMD患者和PCV患者共56例纳入研究,所有患者均进行彩色眼底照相和OCT检查,筛选体征典型和图像分辨率高的影片图像,分别对图像中的异常征象进行人工标注和分类,采用VGG16卷积神经网络构建智能模型,用小样本进行训练,然后对模型的同构和异构以及不同的融合策略进行对比实验并与人工实验对比。结果:本研究共纳入56例患者的123张彩色眼底影像和545张OCT影像,VGG16卷积神经网络的F1值、Kappa值、ROC曲线下面积(AUROC)、召回率、精确度分别达到0.9798、0.9550、0.9881、0.9792、0.9821,超过了4位眼科临床医生的平均水平。结论:基于双模态深度学习算法的智能辅助诊断系统结合眼底影像和OCT图像可准确诊断nAMD和PCV并实现二者的互相鉴别,表现出良好的诊断效能,为临床提供了新的诊断工具。

关 键 词：新生血管性年龄相关性黄斑变性 息肉状脉络膜血管病变 人工智能 双模态 深度学习 诊断 鉴别诊断 

分 类 号：R774.5[医药卫生—眼科]