科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的:评估基于深度学习的翼状胬肉自动分类诊断系统的应用价值。方法:在2020-05/2021-04期间，从南京医科大学附属眼科医院共收集750张翼状胬肉正常、观察期和手术期眼前节图片。在原始数据集和增强数据集上分别训练7个三分类模型。测试临床470张图片，比较数据增强前后模型的泛化能力，确定可用于翼状胬肉自动分类系统的最好模型。结果:在原始数据集上训练最好模型的灵敏度平均值为92.55%,特异度平均值为96.86%,AUC平均值为94.70%。数据增强后，不同模型灵敏度、特异度和AUC平均提升3.7%、1.9%和2.7%。在增强数据集上训练的EfficientNetB7模型灵敏度平均值为93.63%,特异度平均值为97.34%,AUC平均值为95.47%。结论:在增强数据集上训练的EfficientNetB7模型取得最好的分类效果，可用于翼状胬肉自动分类系统。该自动分类系统能较好地诊断翼状胬肉疾病，有望成为基层医疗的有效筛查工具，也为翼状胬肉的细化分级研究提供参考。
- 单位
