基于深层卷积神经网络近视性黄斑病变筛查系统的研究

作者：史春生; 刘磊; 王亚茹; 王泽飞^*

来源：中华实验眼科杂志, 2021, 39(07): 602-608.

• 近视性黄斑病变
• 深层卷积神经网络
• 筛查
• 人工智能

目的研究一种基于深层卷积神经网络(DCNN)全自动近视性黄斑病变(MMD)筛查及其严重程度评估系统。方法收集安徽省第二人民医院6 068张眼底图像构建训练集, 并选取公开的眼底图像数据集构建测试集。对眼底图像进行预处理及扩增、MMD病变等级标注、数据清洗。构建全自动MMD筛查系统, 该系统由两级网络结构组成, 第一级网络结构用于识别MMD是否存在, 第二级网络结构用于判断MMD病变的严重等级。比较VGG-16、ResNet50、Inception-v3和Densenet这4种常用的DCNN方法在MMD筛查及严重程度识别任务中的准确率、特异性、敏感度、精确率、F1值、曲线下面积(AUC)、Kappa系数性能。结果 Densenet网络模型在MMD筛查任务中表现最优, 其敏感度、特异性、精确率、F1值和AUC分别为0.898、0.918、0.919、0.908和0.962。Inception-v3网络模型在MMD严重程度识别任务中表现最优, 其敏感度、特异性、精确率、F1值和AUC分别为0.839、0.952、0.952、0.892和0.965。可视化结果显示, 本研究所采用的网络结构模型可自动学习MMD严重等级判断的临床特征, 准确识别弥漫性和局灶性脉络膜萎缩区域。结论基于DCNN的眼底图像MMD筛查方法可自动化提取MMD的有效特征, 并准确进行MMD筛查及其严重等级判断, 可有效辅助临床。

• 单位
  中国科学技术大学; 安徽省第二人民医院