欧美日韩亚洲欧美日韩亚洲,国产三级在线观看播放视频视频,亚洲观看一区二区三区,少妇人妻人人爽人人爽快

解放軍總醫(yī)院第三醫(yī)學中心眼科學部吳星副主任醫(yī)師為論文第一作者，解放軍總醫(yī)院第二醫(yī)學中心健康醫(yī)學科曾強教授、解放軍總醫(yī)院第三醫(yī)學中心眼科學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

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

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

與此同時，我國眼科醫(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)有的三級醫(yī)療模式下，難以實現(xiàn)白內(nèi)障的早期發(fā)現(xiàn)、及時轉(zhuǎn)診、及時治療。

當前，裂隙燈相機圖像由于其光學特征和易讀性而廣泛應用于白內(nèi)障診斷，但是在偏遠地區(qū)使用時仍有其局限性，例如設備不夠便攜、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。

隨著人工智能技術廣泛應用于疾病診斷，一些研究開始聚焦于利用人工智能技術來進行白內(nèi)障的自動檢測。其中眼底照片與人工智能技術的結合，被視為在實際應用場景下更為可行的白內(nèi)障自動檢測方案。

創(chuàng)新提出“三分類標簽”

性能提升約10%

該研究旨在通過應用人工智能技術識別眼底照片，構建快速、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。

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

質(zhì)量缺陷照片容易被誤認為白內(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)，不同于以往研究僅選用質(zhì)量達標的眼底照片進行模型構建，該研究研發(fā)并驗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)量識別模型生成與非白內(nèi)障圖像質(zhì)量相關的偽標簽，將原始二分類標簽（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)三分類標簽提出了基于卷積神經(jīng)網(wǎng)絡的白內(nèi)障分類模型。

基于卷積神經(jīng)網(wǎng)絡的白內(nèi)障分類模型

在內(nèi)部驗證和外部測試中，該模型表現(xiàn)出穩(wěn)健的性能，檢測白內(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，仍能實現(xiàn)高準確率眼科智能診斷系統(tǒng)，有助于大規(guī)模白內(nèi)障篩查。

為了驗證該抗干擾模型的魯棒性，研究人員還設置了對照實驗，采用原始二分類標簽訓練模型進行性能對比。 研究結果表明，與在原始二分類標簽上訓練的模型相比，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，在真實應用環(huán)境下能夠更加準確地篩查白內(nèi)障人群。

內(nèi)部驗證和外部測試結果

在現(xiàn)有醫(yī)療模式下，應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)障自動診斷取得重要進展