目的 提出一种基于深度学习的早产儿视网膜病变(ROP)智能辅助诊断系统,并评估其在临床上的应用价值.方法 采集武汉大学人民医院眼科中心2009年7月至2016年12月行早产儿眼底筛查的38895张图像构建眼底图像大规模数据集,由10名眼科医生进行标注,建立深度学习网络,通过对模型的训练实现ROP的自动诊断,评估该算法自动筛查ROP分期、分区及附加病变的性能和准确率.结果 深度学习智能诊断系统对ROP分期及其附加病变、视盘、黄斑及激光治疗瘢痕检测的平均准确率为0.931;其中检测分界线(Ⅰ期)准确率为0.876,视网膜嵴(Ⅱ期)为0.942,膜嵴伴血管扩张(Ⅲ期)为0.968;视网膜不完全脱离(Ⅳ期)为0.998,视网膜完全脱离(Ⅴ期)为0.999;血管迂曲扩张(附加病变)为0.896,视盘为0.954,黄斑为0.781,激光治疗瘢痕为0.974.结论 基于深度学习算法的ROP的疾病分期和附加病变的诊断准确率高,可用于ROP的临床辅助诊断和筛查.
作者:童妍;卢苇;徐阳涛;李莹;王晓玲;陈长征;沈吟
来源:中华实验眼科杂志 2019 年 37卷 8期