久久精品视,亚洲av乱码一区二区三区按摩,欧美大黄,亚洲青青

解放軍總醫(yī)院第三醫(yī)學(xué)中心眼科學(xué)部吳星副主任醫(yī)師為論文第一作者，解放軍總醫(yī)院第二醫(yī)學(xué)中心健康醫(yī)學(xué)科曾強(qiáng)教授、解放軍總醫(yī)院第三醫(yī)學(xué)中心眼科學(xué)部王大江教授為論文共同通訊作者。

白內(nèi)障基層早篩難開展

“眼底照片+AI”顯優(yōu)勢(shì)

白內(nèi)障是全球首位致盲性眼病。隨著人口老齡化進(jìn)程加快，白內(nèi)障的發(fā)病率及絕對(duì)人數(shù)逐年升高。

早期診斷、及時(shí)手術(shù)可以有效治療白內(nèi)障，改善患者的視力和生活質(zhì)量。然而，在中低收入國(guó)家的基層醫(yī)療機(jī)構(gòu)，白內(nèi)障直至發(fā)展到晚期甚至癥狀裸眼可見時(shí)才能被診斷。

與此同時(shí)，我國(guó)眼科醫(yī)生僅4.48萬，且存在眼科醫(yī)療資源分配不均的問題，在現(xiàn)有的三級(jí)醫(yī)療模式下，難以實(shí)現(xiàn)白內(nèi)障的早期發(fā)現(xiàn)、及時(shí)轉(zhuǎn)診、及時(shí)治療。

當(dāng)前，裂隙燈相機(jī)圖像由于其光學(xué)特征和易讀性而廣泛應(yīng)用于白內(nèi)障診斷，但是在偏遠(yuǎn)地區(qū)使用時(shí)仍有其局限性，例如設(shè)備不夠便攜、專業(yè)操作人員不足等。相比之下，眼底照片在其效率和可操作性上具有優(yōu)勢(shì)。

隨著人工智能技術(shù)廣泛應(yīng)用于疾病診斷，一些研究開始聚焦于利用人工智能技術(shù)來進(jìn)行白內(nèi)障的自動(dòng)檢測(cè)。其中眼底照片與人工智能技術(shù)的結(jié)合，被視為在實(shí)際應(yīng)用場(chǎng)景下更為可行的白內(nèi)障自動(dòng)檢測(cè)方案。

創(chuàng)新提出“三分類標(biāo)簽”

性能提升約10%

該研究旨在通過應(yīng)用人工智能技術(shù)識(shí)別眼底照片，構(gòu)建快速、無創(chuàng)輔助診斷白內(nèi)障的算法模型，從而助力白內(nèi)障的大規(guī)模篩查工作。

考慮到在實(shí)際應(yīng)用場(chǎng)景中，由于拍攝人員技巧不足或患者配合不當(dāng)，常常存在眼底照片質(zhì)量缺陷問題。同時(shí)，這些質(zhì)量缺陷的照片因具有模糊的成像特征，很容易被誤認(rèn)為是白內(nèi)障，這可能會(huì)降低白內(nèi)障模型檢測(cè)的性能。

質(zhì)量缺陷照片容易被誤認(rèn)為白內(nèi)障。圖示眼底照片從左至右分別為：圖像質(zhì)量正常的非白內(nèi)障、圖像質(zhì)量較差的非白內(nèi)障、白內(nèi)障。

因此眼科智能診斷系統(tǒng)，不同于以往研究?jī)H選用質(zhì)量達(dá)標(biāo)的眼底照片進(jìn)行模型構(gòu)建，該研究研發(fā)并驗(yàn)證了一種抗干擾的眼底圖像白內(nèi)障人工智能診斷模型。

首先，利用質(zhì)量識(shí)別模型生成與非白內(nèi)障圖像質(zhì)量相關(guān)的偽標(biāo)簽，將原始二分類標(biāo)簽（白內(nèi)障和非白內(nèi)障）調(diào)整為三分類（白內(nèi)障、圖像質(zhì)量正常的非白內(nèi)障和圖像質(zhì)量較差的非白內(nèi)障），用于指導(dǎo)模型區(qū)分白內(nèi)障和圖像質(zhì)量較差的非白內(nèi)障；再根據(jù)三分類標(biāo)簽提出了基于卷積神經(jīng)網(wǎng)絡(luò)的白內(nèi)障分類模型。

基于卷積神經(jīng)網(wǎng)絡(luò)的白內(nèi)障分類模型

在內(nèi)部驗(yàn)證和外部測(cè)試中，該模型表現(xiàn)出穩(wěn)健的性能，檢測(cè)白內(nèi)障人群的受試者工作特征曲線下面積（AUC）分別為91.84%、91.62%。這表明，研究人員提出的抗干擾模型可以在圖像質(zhì)量較差的干擾下，仍能實(shí)現(xiàn)高準(zhǔn)確率眼科智能診斷系統(tǒng)，有助于大規(guī)模白內(nèi)障篩查。

為了驗(yàn)證該抗干擾模型的魯棒性，研究人員還設(shè)置了對(duì)照實(shí)驗(yàn)，采用原始二分類標(biāo)簽訓(xùn)練模型進(jìn)行性能對(duì)比。 研究結(jié)果表明，與在原始二分類標(biāo)簽上訓(xùn)練的模型相比，該研究的抗干擾模型性能提高了10%左右。這也就表明，研究人員提出的白內(nèi)障人工智能診斷模型，在真實(shí)應(yīng)用環(huán)境下能夠更加準(zhǔn)確地篩查白內(nèi)障人群。

內(nèi)部驗(yàn)證和外部測(cè)試結(jié)果

在現(xiàn)有醫(yī)療模式下，應(yīng)用人工智能模型輔助診斷白內(nèi)障是緩解醫(yī)療資源匱乏、降低篩查成本的良好策略。該研究提出的抗干擾眼底圖像白內(nèi)障智能診斷模型，有助于早期篩查診斷、及時(shí)治療白內(nèi)障，提高患者的視力及生活質(zhì)量。

參考資料：

解放軍總醫(yī)院. 【微醫(yī)訊】人工智能助力白內(nèi)障自動(dòng)診斷取得重要進(jìn)展