基于眼底彩照的冠心病智能分类系统OA
Intelligent classification system of coronary heart disease based on fundus color photographs
目的:探索基于眼底彩照和人工智能构建冠心病智能诊断系统的可行性.方法:于2013—2014年收集广东省人民医院530例患者共2117张眼底彩照,其中冠心病217例共909张眼底彩照.根据患者有无冠心病的情况进行标记,使用Inception-V3深度卷积神经网络训练人工智能模型,随后使用验证数据判断模型的准确率.计算深度卷积网络模型的准确性、一致率、敏感性、特异性和受试者工作特性曲线下面积(area under the curve,AUC).结果:在2117张眼底彩照中,1903张用于模型训练,214张用于模型的性能评估.在测试集中,该算法的准确性为98.1％,一致率为98.6％,敏感性为100.0％,特异性为96.7％,AUC为0.988(95％CI:0.974～1.000).结论:眼底彩照联合人工智能技术可精准判定冠心病,该模型具备较高的敏感性和特异性,但须进一步增加样本量,使用大样本量数据验证该模型,排除过拟合的可能性.
李治玺;周颖玲;杨小红;彭冠凯;孟巍;何明光
中山大学中山眼科中心眼底外科,眼科学国家重点实验室,广州 510060广东省人民医院心内科,广州 510000广东省人民医院眼科,广州 510000广州慧视眼科有限公司,广州 510000广州慧视眼科有限公司,广州 510000中山大学中山眼科中心防盲办,眼科学国家重点实验室,广州 510060
冠心病眼底彩照人工智能
《眼科学报》 2021 (3)
原发性闭角型青光眼自然病程和干预的随访研究
188-191,4
国家重点研发计划(2018YFC0116500),国家自然科学基金(81420108008),广东省科技计划项目(2013B20400003).
评论