论文部分内容阅读
目的:眼底疾病可导致视力下降,是致盲的首要原因。传统的眼底疾病早期筛查方法是眼底成像术与医生主观分析相结合,这无法满足当前大数据和精准医学的需求。计算机辅助诊断(CADx)充分利用高速运算和海量存储的能力,嵌入专门的图像处理和人工智能技术,来辅助眼科医生进行临床诊断。眼底疾病CADx系统结合图像增强和深度学习技术,有望实现眼底疾病的智能诊断。方法:通过研发的便携式眼底照相进行眼底数据采集,比较便携式眼底照相与传统桌面式眼底照相的成像质量。基于人眼视觉系统建立眼底图像质量评价系统,筛选出屈光介质混浊造成的失真眼底图像。建立基于视觉模糊度的屈光介质浑浊眼底图像增强系统,辅助医生诊断眼底疾病。建立青光眼眼底照相数据库,构建基于深度学习的青光眼CADx系统,通过CADx系统的灵敏度和特异性,验证算法应用在临床中的可行性。结果:新型便携式眼底照相机可以在非散瞳情况下拍摄出和桌面式眼底照相相同质量的具有临床诊断价值的眼底图像。针对亮度和颜色失真、模糊失真以及对比度失真这三个方面来综合评价眼底图像的质量,三种失真的支持向量机分类器的曲线下面积(AUC)分别为93.10%,93.14%和87.83%。在做整体失真的评价时,敏感性和特异性分别为91.66%和87.45%,AUC为94.52%。基于对比度限制的自适应直方图均衡的眼底图像质量增强方法用来增强图像质量下降的眼底图像。图像增强后,青光眼分类的AUC为99.6%,糖尿病视网膜病变(DR)分类为98.9%,老年黄斑变性(AMD)分类为97.5%,其他视网膜疾病为97.9%,正常眼底为97.6%。基于深度学习眼底图像诊断青光眼的计算机辅助诊断系统,辅助诊断青光眼的灵敏度为92.1%(95%置信区间:90.5%-93.6%),特异度为89.6%(95%置信区间:87.7%-91.1%),AUC 为 98.6%。结论:新型便携式眼底照相机结合眼底图像质量评价系统可提供具有临床诊断价值的眼底图像。眼底图像质量增强和深度学习在眼病辅助诊断中显示出较高的灵敏度和特异性,为进一步实现眼科疾病的智能精准早期诊断提供相关研究基础。