基于深度卷积神经网络的早产儿视网膜病变1～3期分期自动诊断

作者：刘佳; 濮清岚^*; 李鹏; 周巧云; 许维馨; 李勇

来源：中华眼视光学与视觉科学杂志, 2022, 24(12).

• 视网膜病变
• 深度卷积神经网络
• 早产儿
• 图像分割

目的: 利用深度卷积神经网络(DCNN)对早产儿视网膜病变诊断分期中1～3期病变进行自动分类诊断。方法: 回顾性研究。选取2019年1月至2020年12月在嘉兴市妇幼保健院出生的1 885例早产儿所采集的12 219张眼底图像, 构建了早产儿视网膜眼底图像数据集。基于分割出眼底图像的视网膜血管以及分界线或嵴, 计算出感兴趣区域(ROI), 并从ROI分割图中提取特征, 采用五折交叉验证法训练分类器, 对早产儿视网膜病变中1～3期进行自动分类诊断。在测试集上对DCNN进行性能评估, 并与临床诊断结果进行一致性分析。结果: 本系统对ROP 1～3期及无ROP的诊断准确率达到了98%。在诊断无ROP图像时, 其敏感度和特异性分别达到了0.975 7和0.975 6;对ROP 1期、2期和3期图像的诊断, 敏感度分别为0.922 1、0.933 1和0.910 2, 特异性则分别为0.983 7、0.988 6和0.992 8。DCNN的诊断结果与临床诊断结果的Kappa一致性为0.905 9。结论: 基于DCNN的早产儿眼底病变分期诊断系统, 使用从ROI分割图中提取的特征训练分类器, 能够对ROP1～3期病变眼底图像进行较高准确率的自动辅助诊断。

• 单位
  同济大学浙江学院; 嘉兴市妇幼保健院