应用深度学习算法评估角膜塑形镜配适状态的研究

目的 开发一种基于荧光素染色的人工智能算法以进行角膜塑形镜验配状态的自动评估。设计诊断试验。研究对象2022年4-5月360例(360眼)验配角膜塑形镜患者的角膜塑形镜配适视频。方法使用基于注意力机制的深度学习算法对角膜塑形镜荧光素染色配适视频进行分析。算法利用角膜塑形镜染色视频的关键帧捕捉镜片静态形态信息,同时对视频整体综合考虑以获取镜片活动度等动态信息。算法采用双阶段的结构,第一阶段对配适偏紧样本分类,并基于此结果进一步完成第二阶段的配适合适以及配适偏松样本的分类,并与5位视光医生评估协商后的一致结果作为标准进行比较。主要指标敏感性、识别准确率、判别一致性。结果在验证集上,此算法在第一阶段对于配适偏紧样本的分类正确率达82%,敏感性80%,特异性85%。第二阶段对于配适合适和偏松的分类正确率达88%,敏感性85%,特异性93%。最终每一类的分类结果正确率均可达到80%以上,其中配适偏紧80%,配适合适83%,配适偏松81%。结论基于注意力机制的深度学习算法可较好地对角膜塑形镜配适状态做出客观的自动评估。(眼科,2023,32:305-309)