标准七视野眼底彩色照相中微动脉瘤病灶自动化识别研究

目的·评估监督机器学习算法自动化检测标准七视野眼底彩色照相中微动脉瘤病灶的准确性及检测效率。方法·采集录入2014—2016年于上海交通大学附属第一人民医院眼科门诊就诊的44例糖尿病性视网膜病变(diabetic retinopathy,DR)患者的标准七视野眼底彩色照相图像616幅。通过组合应用包括图像预处理、双窗口滤波器、支持向量机等5个关键步骤,对微动脉瘤病灶实现自动化检测,同时与眼科专科医师的手工标记进行比对,评估自动化算法对微动脉瘤病灶识别的准确性及检测效率。结果·在DR标准七视野眼底彩色照相图像库中,计算机自动化识别算法的微动脉瘤检测灵敏度为94.15%、特异度为98.05%。其中,在视盘视野、黄斑视野、黄斑颞侧视野、颞上视野、颞下视野、鼻上视野、鼻下视野各图像分集合中的算法检测灵敏度分别为93.09%、94.84%、95.16%、94.99%、93.77%、92.40%、93.75%,特异度分别为98.02%、98.06%、97.97%、97.91%、98.07%、98.03%、98.23%,算法在各图像分集合中的微动脉瘤病灶检测灵敏度和特异度同总集合中的检测灵敏度差异没有统计学意义(P>0.05)。每幅图像检测耗时(9.2±0.6)s,较手工标记节约用时93.2%。结论·基于监督机器学习算法的微动脉瘤病灶自动识别算法能够准确、高效地识别标准七视野眼底彩色照相中及各个视野范围中的微动脉瘤病灶。