基于深度序列特征学习的临床感染性角膜炎图像分类OA

作者：许叶圣; 孔鸣; 谢文加; 段润平; 方钲清; 林宇萧; 朱强; 汤斯亮; 吴飞^*; 姚玉峰^*

来源：Engineering, 2021, 7(07): 245-263.

• 深度学习
• 角膜病
• 序列特征
• 机器学习
• 长短时记忆

感染性角膜炎是最常见的角膜疾病之一,病原体在角膜中生长引发炎症反应并损伤角膜组织。感染性角膜炎作为一种临床急症,需要快速、精准的诊断,确保患者能够得到及时、准确的治疗,从而遏制疾病的发展,并将其对角膜的损伤降到最低。否则患者会有失明的风险,严重者甚至会失去眼球。本文提出了一种深度序列特征学习模型,该模型能够通过对临床图像的分类高效地鉴别不同的感染性角膜炎。我们针对感染性角膜炎的特点设计了一种能够解耦临床图像中最具区别性的特征并保持其空间结构的机制。通过比较,我们提出的深度序列特征学习模型在120张图像的测试集上的准确率能够达到80%,远高于421位眼科医生所能达到的平均水平[(49.27±11.5)]%。

• 单位
  浙江大学