基于机器深度学习算法的圆锥角膜智能化诊断模型研究

• 全文链接
• 请求原文

作   者：

敖弟华;  田熙睿;  马明勋;  张波;  陈敏;  彭艳丽; 

作者机构：

中冶赛迪技术研究中心有限公司;  中南大学爱尔眼科学院; 

关键词：

角膜地形图;  卷积神经网络;  深度学习;  计算机辅助诊断;  圆锥角膜; 

期刊名称：

国际眼科杂志

i s s n：

1672-5123

年卷期：

2023 年 23 卷 002 期

页   码：

299-304

摘   要：

目的:通过对患者临床数据进行数据挖掘分析建立针对小直径角膜的圆锥角膜智能化诊断模型.方法:诊断性研究.共收集患者830例830眼,其中男338例338眼,女492例492眼,年龄14~36(平均23.19±5.71)岁,其中2020-01/2022-03在重庆南坪爱尔眼科医院已行角膜屈光手术患者731例731眼,2015-01/2022-03确诊圆锥角膜患者99例99眼.所有患者行Pentacam角膜地形图显示角膜直径≤11.1mm.由2位角膜科专家通过Pentacam地形图中Belin/Ambrósio增强扩张显示(BAD)系统将患者数据分类为正常角膜、可疑圆锥角膜、圆锥角膜.采用计算机随机采样方法随机筛选其中665例患者的数据作为训练集,另165例患者的数据作验证集.利用卷积神经网络(CNN)提取7个角膜参数特征,分别采用残差网络(ResNet,Residual Network)、Vision Transformer(ViT)及CNN+Transformer建立模型,通过交叉熵损失函数进行训练并采用样本交叉法验证模型的准确性,并采用受试者工作特征曲线评价模型的敏感度与特异度.结果:ResNet、ViT和CNN+Transfermer模型诊断正常角膜和可疑圆锥角膜的准确率分别为85.57%、86.11%和86.54%,受试者工作特征曲线下面积(AUC)为0.823、0.830和0.842.诊断可疑圆锥角膜和圆锥角膜的准确率分别为97.22%、95.83%和98.61%,AUC分别为0.951、0.939和0.988.结论:对于直径≤11.1mm的角膜,借助CNN+Transformer算法建立的数据模型对圆锥角膜有较高的准确率,可为早期筛查提供真实有效的指导作用.