深度学习算法在角膜荧光染色分级评估中的应用

• Published in: 四川大学学报（医学版） Vol. 54; no. 5; pp. 908 - 914
• Main Authors: 赵雨暄, 张啸云, 杨必, 刘陇黔
• Format: Journal Article
• Language: Chinese
• Published: 四川大学华西临床医学院 眼视光学系 成都 610041%四川大学计算机学院 计算机科学与技术系 成都 610065%四川大学华西临床医学院 眼视光学系 成都 610041 20.09.2023; 四川大学华西医院 眼科 成都 610041; 四川大学华西医院 眼视光学与视觉科学研究室 成都 610041
• Subjects: 角膜染色; 人工智能; 接触镜; Contact lens; Artificial intelligence; Corneal staining
• ISSN: 1672-173X
• DOI: 10.12182/20230960104

目的 探讨深度学习算法在角膜荧光染色分级评估中的应用价值.方法 采用横断面研究,共纳入四川大学华西医院隐形眼镜门诊就诊患者的角膜染色图片600张.其中500张用于构建算法,其余100张用于验证算法有效性并比较人工智能(artificial intelligence,AI)与视光初学者间评级准确性(accuracy,ACC)及诊断时长的差异.在完成初次评级1个月后,进行第二次评估,比较两次评估的一致性指数(kappa值).3位经验丰富的视光师综合分级的结果作为本研究的"金标准".结果 通过全集、训练集、测试集交叉验证4种深度学习模型,ResNet34模型预测准确性最高.ResNet34深度学习模型在角膜染色分级上的准确性为93.0%,敏感性为89.5%,特异性为89.6%.AI与两位初学者比较,AI的准确性较高(ACCAI=87.0%、ACCS1=78.0%、ACCS2=52.0%,PACC=0.001),同时AI的平均诊断时长短于视光初学者(tAI=1.00 s,tS1=11.86 s,tS2=13.25 s,Pt=0.001).在两次评级的一致性比较中,AI(kappaAI=0.658,PAI=0.001)的一致性程度高于视光初学者(kappaS1=0.575,PS1=0.001;kappaS2=0.609,PS2=0.001).结论 将深度学习算法应用于角膜染色分级评估具有一定的可行性及临床价值.在与初学者的比较中,AI表现出了较高的准确性和较好的一致性,能够指导视光师在临床工作中快速准确地评定角膜染色分级.