Sci Rep：机器学习技术可以利用超宽域眼底图像诊断视网膜脱离！

2017-08-27 cuiguizhong MedSci原创

日本Tsukazaki医院眼科系的Ohsugi H近日在Sci Rep杂志发表了一篇文章，题目为"Accuracy of deep learning， a machine-learning technology， using ultra-wide-field fundus ophthalmoscopy for detecting rhegmatogenous retinal detachment"

日本Tsukazaki医院眼科系的Ohsugi H近日在Sci Rep杂志发表了一篇文章，题目为"Accuracy of deep learning， a machine-learning technology， using ultra-wide-field fundus ophthalmoscopy for detecting rhegmatogenous retinal detachment" ，他们应用深度学习技术，可以很好的利用超宽域眼底图像来诊断视网膜脱离症状。

视网膜脱离（RRD）是非常严重的症状，它可以引起失明。然而，如果及时采取适当的治疗，可以极高的治愈这种症状。因此，视网膜脱离（RRD）的早期诊断和治疗至关重要。

在本研究中，研究者应用一种机器学习技术--深度学习，利用超宽域眼底图像检测视网膜脱离（RRD），并对其性能进行了研究。本研究共使用来自407名视网膜脱离（RRD）患者的411张图像，其中329张用于训练，82张用于评测。同时使用238名非视网膜脱离（RRD）患者的420张图像，其中336张用于训练，84张用于评测。

结果他们发现，深度学习模型具有97.6％的高灵敏度（95％置信区间（CI），94.2-100％]和96.5％的高特异性（95％CI，90.2-100％），曲线下面积为 0.988（95％CI，0.981-0.995）。因此，他们认为，深度学习模型可以通过使用超宽域眼底图像来准确诊断视网膜脱离（RRD），从而改善偏远地区的眼科诊所的医疗护理条件。其深远意义是视网膜脱离（RRD）的早期诊断可以预防失明。这项研究为眼科临床诊断提供了诸多启示，也预示着人工智能在医疗诊断领域具有广阔的应用前景。

原文出处：

Ohsugi， H.， et al.， Accuracy of deep learning， a machine-learning technology， using ultra-wide-field fundus ophthalmoscopy for detecting rhegmatogenous retinal detachment. Sci Rep， 2017. 7(1)： p. 9425.

本文系梅斯医学（MedSci）原创编译整理，转载需授权！

作者：cuiguizhong

版权声明：
本网站所有注明“来源：梅斯医学”或“来源：MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明“来源：梅斯医学”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言