基于深度学习的翼状胬肉智能诊断系统初步研究

本研究评估基于深度学习的翼状胬肉智能诊断系统的应用价值。收集了2019年12月至2020年8月在南京医科大学眼科医院门诊就诊的正常及翼状胬肉患者的眼前节照相624张,用于训练集和测试集,训练出翼状胬肉智能诊断模型。专家诊断组显示61眼(32.4%)为正常眼前节组,127眼(67.6%)患有不同程度的翼状胬肉;其中翼状胬肉观察组62眼(33.0%),翼状胬肉需手术组65眼(34.6%)。而智能诊断结果显示64眼(34.0%)为正常眼前节组,翼状胬肉观察组55眼(29.2%),翼状胬肉需手术组69眼(36.7%)。在正常眼前节组中,智能诊断的灵敏度为0.983,特异度为0.921,Kappa值为0.916,ROC曲线下方面积(Area Under Curve,AUC)为0.964。在翼状胬肉观察组中,智能诊断的灵敏度为0.872,特异度为0.818,Kappa值为0.666,AUC为0.823。在翼状胬肉需手术组中,智能诊断的灵敏度为0.924,特异度为0.811,Kappa值为0.745,AUC为0.878。本研究揭示基于深度学习的翼状胬肉人工智能诊断系统能较好提示翼状胬肉的不同分期,能够为翼状胬肉提供一种新的智能辅助诊断工具,并提出基本的诊疗建议。