基于卷积神经网络的睑板腺形态人工智能分析系统的构建

目的建立一个基于卷积神经网络（CNN）的人工智能（AI）系统,能够自动识别睑板腺的腺体,并评估睑板腺的各项形态参数。方法由两位高级职称医师手动标注训练图像中的睑板腺,并使用U-Net网络构建了基于CNN的AI系统,该系统能够自动处理睑板腺图片,识别出睑板腺的单根腺体。选取2020年12月至2021年3月在温州医科大学附属眼视光医院杭州院区就诊的60例受试者,其中阻塞性睑板腺功能障碍（MGD）患者32例,健康志愿者28例,用AI系统自动计算其睑板腺图像的各项参数。比较两组受试者睑板腺功能指标和形态指标的差异。采用Pearson相关或Spearman秩相关分析睑板腺形态指标与功能指标的相关性。结果与正常组比较,MGD组患者泪膜破裂时间减少,睑板腺表达能力评分降低,眼表疾病指数、睑缘异常评分和睑板腺评分均升高,平均上眼睑睑板腺长度、平均下眼睑睑板腺长度和平均全眼睑睑板腺长度均明显缩短,上眼睑睑板腺密度、下眼睑睑板腺密度和全眼睑睑板腺密度均明显减小,差异均有统计学意义（均P＜0.01）。相关分析显示睑板腺部分形态指标与部分功能指标之间均存在相关性（均P＜0.05）。结论基于CNN的AI系统只需几十个训练实例就可以自动检测和识别睑板腺,是一个准确、高效的睑板腺形态学评价系统,能够对MGD患者的睑板腺形态进行快速准确的评价。