人工智能深度学习技术在辅助青光眼性眼底病变图像标注中的应用研究

发布时间：2023-04-30 06:26

　　目的探索人工智能(AI)深度学习技术用于青光眼性眼底病变(GON)筛查检出的效能。方法采用诊断试验的研究方法,收集自2013年8月至2019年7月于首都医科大学附属北京同仁医院北京同仁眼科中心青光眼门诊就诊患者的眼底图像200张(200只眼)。根据阅片方式的不同,将采用AI系统阅片的定义为AI系统组,将医师人工阅片的定义为医师组。其中,医师组包括高年资眼科医师(眼底照片诊断经验为10年以上)、低年资眼科医师(眼底照片诊断经验为5年以上,10年以内)及全科医师。各组均对所有眼底图像进行阅片和标注。年龄和性别的数据经S-W检验证实呈正态分布者,以均数±标准差表示。经Levene检验证实方差齐,AI系统与不同级别医师单张平均阅片时间的比较采用单因素方差分析,两两比较采用LSD-t检验。采用敏感度、特异度及工作特性曲线下面积(AUC)对AI模型进行预测和性能评价。诊断符合率以百分数表示,AI系统与眼科高级医师阅片诊断的符合率、AI系统与不同级别医师阅片诊断符合率的比较,均采用卡方检验。结果在医师组中,高年资眼科医师、低年资眼科医师及全科医师共6位医师共完成2次阅片。其诊断符合率的比较,差异均有...

【文章页数】：5 页

【文章目录】：
资料与方法
    一、一般资料
    二、图像的纳入与排除标准
        1.纳入标准:
        2.排除标准:
    三、分组方法
    四、参与阅片和标注的医师
    五、标注的标准
    六、阅片与标注的方法
    七、统计学分析方法
结 果
    一、阅片诊断一致性、灵敏度、特异度及诊断符合率的比较
    二、阅片时间的比较
讨 论



本文编号：3806613