目的 通过卷积神经网络UNet构建光学相干断层扫描(opticalcoherence tomography,OCT)图像中糖尿病性黄斑水肿的自动识别模型,并通过相关指标判断其价值.方法 利用开源的OCT数据集2014_BOE_Srini-vasan和OCT2017训练卷积神经网络UNet模型,并结合我院2018年1月至2019年5月的60例糖尿病性黄斑水肿患者的OCT检查影像结果共同组成数据集来验证模型.最后通过该模型的损失函数变化和精确度变化,以及绘制受试者工作特征曲线来评价模型.结果 卷积神经网络UNet对单张图像的处理时间在75 ms左右.且损失函数变化图显示当模型训练到一定程度后,损失数值逐渐趋于收敛.验证集的精确度变化图显示精确度可以达到0.9左右,并且随着训练次数的不断增加,精确度逐渐趋于稳定.最后根据测试结果绘制了受试者工作特征曲线,其曲线下面积达到0.902,提示该模型具有较高诊断能力.结论 利用卷积神经网络UNet可以准确快速地分割出糖尿病性黄斑水肿区域,有望辅助临床医师的诊断与治疗.
作者：许冬；李浩；周利晓；吕梁
来源：眼科新进展 2020 年 40卷 4期
