一种基于 OCT 图像的深度学习 I 和 II 型 wAMD辅助分型方法

目的：探讨基于光学相干断层扫描（OCT）图像的深度学习算法用于湿性年龄相关性黄斑变性 （wAMD）的分型的可行性以达到辅助眼科疾病诊断的目的。方法：数据使用2018年6月至2019年 6月在宁波市眼科医院门诊确诊为wAMD患者39例（46眼）。首先将资深眼科专家提供的每例患者 AMD等级作为分型算法的金标准，再使用Resnet34模型结构输出预测分型结果并与金标准对比，不 断进行参数微调直到损失收敛，最终实现自动判断患者疾病等级。结果：使用已训练的模型进行所 有测试病例的预测，基于正确的病例数与所有测试病例数的比例作为算法最终的准确率，结果表明深度学习网络方法分型准确率，与普通医师wAMD分型准确率相比，高出20%。通过梯度加权的类激活映射可视化模型诊断依据可作为临床医师诊断的参考。结论：深度学习经OCT图像数据训练后 对wAMD分型的准确率明显高于普通医师对wAMD的分型准确率。基于深度学习算法的wAMD分型结果可用于疾病的辅助诊断，缓解国内专业眼科医师紧缺的现状。     

基于AS-OCT图像的核性白内障多级排序分类算法研究

目的探讨基于眼前节光学相干断层扫描(AS-OCT)图像的核性白内障智能辅助分级算法对白内障分级的诊断价值。方法采用诊断试验研究方法, 收集2020年11月至2021年9月间同济大学附属第十人民医院电子病例系统中核性白内障患者939例1 608眼的AS-OCT图像资料, 所有资料均符合临床阅片清晰度要求。其中男398例664眼, 女541例944眼, 年龄18～94岁, 平均年龄(65.7±18.6)岁。由3名经验丰富的临床医生基于晶状体混浊分类系统(LOCS Ⅲ分级系统), 对所收集的AS-OCT图像进行1～6级人工标注。构建一种基于多级排序的全局-局部白内障分级算法, 该算法包含5个基本的二元分类全局-局部网络(GL-Net), 每个GL-Net聚合白内障核区域、原始图像等多尺度信息进行核性白内障分级。基于消融实验和模型对比试验, 采用准确率、精确率、灵敏度、F1指标及Kappa系数对模型性能进行评价, 且所有结果均通过五折交叉验证。结果模型在核性白内障数据集上的准确率、精确率、灵敏度、F1、Kappa分别为87.81%、88.88%、88.33%、88.51%、85.22%。消融实...