期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
人工智能眼底分析技术对青光眼病灶的诊断价值研究
被引量:
2
1
作者
吴星
黄烨霖
+3 位作者
叶子
马彤
陈羽中
王大江
《解放军医学院学报》
CAS
北大核心
2022年第10期1014-1018,共5页
背景青光眼是一种不可逆性的致盲性眼病,研究青光眼眼底图像特征,利用人工智能技术在专业临床数据库的基础上建立诊断模型,能够快速、客观地对青光眼患者眼底图像进行判断。目的评价一种基于人工智能眼底分析技术的青光眼病灶诊断系统...
背景青光眼是一种不可逆性的致盲性眼病,研究青光眼眼底图像特征,利用人工智能技术在专业临床数据库的基础上建立诊断模型,能够快速、客观地对青光眼患者眼底图像进行判断。目的评价一种基于人工智能眼底分析技术的青光眼病灶诊断系统的性能,并利用该系统探索青光眼疾病进展中的杯盘比发展情况。方法选取2020年3月-2021年4月4000例在解放军总医院第三医学中心完成眼底照相患者的眼底照片,将采集的眼底照片进行视杯、视盘及视网膜纤维层缺损的分割标注、病灶多标签的分类标注及青光眼分期标注,获得眼底照片-青光眼数据集。建立一个基于深度学习算法模型的人工智能青光眼病灶诊断系统,并随机选取眼底照片进行内部验证以评估系统性能。利用该人工智能系统对不同分期的青光眼眼底照片进行杯盘比识别计算,分析随青光眼疾病进展的杯盘比分布差异。结果本研究共应用了6837张眼底照片,其中60%(4102张)用作训练集,40%(2735张)用作验证集。在验证集中人工智能青光眼病灶诊断系统在视杯分割预测结果上召回率平均为0.837,精确度平均为0.814,交并比平均为0.816,AUC平均为0.874;在视盘分割预测结果上召回率平均为0.928,精确度平均为0.926,交并比平均为0.916,AUC平均为0.941;在视网膜神经纤维层缺损(retinal nerve fiber layer defect,RNFLD)分割预测结果上召回率平均为0.653,精确度平均为0.612,交并比平均为0.480,AUC平均为0.749。在验证集中人工智能青光眼病灶诊断系统在局限性RNFLD病灶预测结果上准确度平均为0.890,敏感度平均为0.896,特异性平均为0.638,AUC平均为0.893;在弥漫性RNFLD病灶预测结果上准确度平均为0.950,敏感度平均为0.744,特异性平均为0.961,AUC平均为0.901;在视盘出血病灶预测结果上准确度平均为0.966,敏感度平均为0.650,特异性平均为0.967,AUC平均为0.969;在视杯切迹病灶预测结果上准确度平均为0.951,敏感度平均为0.794,特异性平均为0.957,AUC平均为0.892。对不同分期的青光眼眼底照片进行杯盘比识别计算,杯盘比值随青光眼视神经病变的进展逐渐增大。结论将人工智能眼底分析技术应用于青光眼病灶诊断系统,可以为实现青光眼筛查提供思路。
展开更多
关键词
人工智能
深度学习
青光眼
视杯
视盘
下载PDF
职称材料
眼科人工智能的算法新进展
被引量:
3
2
作者
戈宗元
贺婉佶
+9 位作者
琚烈
姚轩
王璘
黄烨霖
杨志文
熊健皓
包怡宁
李明
张兵
赵昕
《山东大学学报(医学版)》
CAS
北大核心
2020年第11期17-23,共7页
随着高效的深度神经网络算法、大量高质量医学数据、低成本大规模计算机并行设备的普及,近年来人工智能在眼科领域、院内眼科疾病筛查和院外体检中心都取得了大规模的应用。对某些特定疾病如眼底糖网已经达到甚至超过了大多数全科大夫...
随着高效的深度神经网络算法、大量高质量医学数据、低成本大规模计算机并行设备的普及,近年来人工智能在眼科领域、院内眼科疾病筛查和院外体检中心都取得了大规模的应用。对某些特定疾病如眼底糖网已经达到甚至超过了大多数全科大夫的水准。在本文中我们以分类、检测、分割、域适应等基础算法为引子,梳理、分析出人工智能在眼科应用中的优势和不足,以便更好地构想未来的研究方向。
展开更多
关键词
深度神经网络
眼科疾病检测
人工智能
计算机视觉
原文传递
题名
人工智能眼底分析技术对青光眼病灶的诊断价值研究
被引量:
2
1
作者
吴星
黄烨霖
叶子
马彤
陈羽中
王大江
机构
解放军总医院第三医学中心眼科医学部
北京鹰瞳科技发展股份有限公司
出处
《解放军医学院学报》
CAS
北大核心
2022年第10期1014-1018,共5页
基金
北京市自然科学基金(7212092)
首都医学发展科研基金(2022-2-5041)
解放军总医院医疗大数据研发项目(2019MBD-037)。
文摘
背景青光眼是一种不可逆性的致盲性眼病,研究青光眼眼底图像特征,利用人工智能技术在专业临床数据库的基础上建立诊断模型,能够快速、客观地对青光眼患者眼底图像进行判断。目的评价一种基于人工智能眼底分析技术的青光眼病灶诊断系统的性能,并利用该系统探索青光眼疾病进展中的杯盘比发展情况。方法选取2020年3月-2021年4月4000例在解放军总医院第三医学中心完成眼底照相患者的眼底照片,将采集的眼底照片进行视杯、视盘及视网膜纤维层缺损的分割标注、病灶多标签的分类标注及青光眼分期标注,获得眼底照片-青光眼数据集。建立一个基于深度学习算法模型的人工智能青光眼病灶诊断系统,并随机选取眼底照片进行内部验证以评估系统性能。利用该人工智能系统对不同分期的青光眼眼底照片进行杯盘比识别计算,分析随青光眼疾病进展的杯盘比分布差异。结果本研究共应用了6837张眼底照片,其中60%(4102张)用作训练集,40%(2735张)用作验证集。在验证集中人工智能青光眼病灶诊断系统在视杯分割预测结果上召回率平均为0.837,精确度平均为0.814,交并比平均为0.816,AUC平均为0.874;在视盘分割预测结果上召回率平均为0.928,精确度平均为0.926,交并比平均为0.916,AUC平均为0.941;在视网膜神经纤维层缺损(retinal nerve fiber layer defect,RNFLD)分割预测结果上召回率平均为0.653,精确度平均为0.612,交并比平均为0.480,AUC平均为0.749。在验证集中人工智能青光眼病灶诊断系统在局限性RNFLD病灶预测结果上准确度平均为0.890,敏感度平均为0.896,特异性平均为0.638,AUC平均为0.893;在弥漫性RNFLD病灶预测结果上准确度平均为0.950,敏感度平均为0.744,特异性平均为0.961,AUC平均为0.901;在视盘出血病灶预测结果上准确度平均为0.966,敏感度平均为0.650,特异性平均为0.967,AUC平均为0.969;在视杯切迹病灶预测结果上准确度平均为0.951,敏感度平均为0.794,特异性平均为0.957,AUC平均为0.892。对不同分期的青光眼眼底照片进行杯盘比识别计算,杯盘比值随青光眼视神经病变的进展逐渐增大。结论将人工智能眼底分析技术应用于青光眼病灶诊断系统,可以为实现青光眼筛查提供思路。
关键词
人工智能
深度学习
青光眼
视杯
视盘
Keywords
artificial intelligence
deep learning
glaucoma
optic cup
optic disc
分类号
R775 [医药卫生—眼科]
下载PDF
职称材料
题名
眼科人工智能的算法新进展
被引量:
3
2
作者
戈宗元
贺婉佶
琚烈
姚轩
王璘
黄烨霖
杨志文
熊健皓
包怡宁
李明
张兵
赵昕
机构
澳大利亚莫纳什大学工程学院
出处
《山东大学学报(医学版)》
CAS
北大核心
2020年第11期17-23,共7页
文摘
随着高效的深度神经网络算法、大量高质量医学数据、低成本大规模计算机并行设备的普及,近年来人工智能在眼科领域、院内眼科疾病筛查和院外体检中心都取得了大规模的应用。对某些特定疾病如眼底糖网已经达到甚至超过了大多数全科大夫的水准。在本文中我们以分类、检测、分割、域适应等基础算法为引子,梳理、分析出人工智能在眼科应用中的优势和不足,以便更好地构想未来的研究方向。
关键词
深度神经网络
眼科疾病检测
人工智能
计算机视觉
Keywords
Deep neural networks
Retinal disease diagnosis
Artificial intelligence
Computer vision
分类号
R77 [医药卫生—眼科]
TP18 [自动化与计算机技术—控制理论与控制工程]
原文传递
题名
作者
出处
发文年
被引量
操作
1
人工智能眼底分析技术对青光眼病灶的诊断价值研究
吴星
黄烨霖
叶子
马彤
陈羽中
王大江
《解放军医学院学报》
CAS
北大核心
2022
2
下载PDF
职称材料
2
眼科人工智能的算法新进展
戈宗元
贺婉佶
琚烈
姚轩
王璘
黄烨霖
杨志文
熊健皓
包怡宁
李明
张兵
赵昕
《山东大学学报(医学版)》
CAS
北大核心
2020
3
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部