梅斯医学MedSci APP
医路相伴，成就大医
梅斯医学MedSci APP
医路相伴，成就大医
角膜共聚焦显微镜是一种快速的非侵入性眼科成像技术，可鉴别周围和中枢神经退行性疾病。然而，要量化角膜基底下神经丛的形态，需要耗时的人工标注，要么需要灵敏度较低的自动图像分析方法。本研究的目标是开发并验证一种基于人工智能的深度学习算法，用于量化与糖尿病神经病变诊断相关的神经纤维特性，并将结果其与一个经过验证的自动化分析程序ACCMetrics进行比较。
本研究深度学习算法使用一个卷积神经网络与数据扩增，开发了自动化量化的角膜基底下神经丛诊断糖尿病神经病变。该算法使用高端图形处理器单元对1698张角膜共焦显微镜图像进行训练。为了进行外部验证，对2137张图像进行了进一步测试。该算法可识别神经纤维总长度、分支点、尾点、神经节段数和长度以及分形数。进行敏感性分析以确定ACCMetrics的AUC和诊断糖尿病神经病变的算法。
研究结果表明，该算法的类内相关系数优于ACCMe trics的角膜神经纤维总长度(0.933vs0.825)、平均每段长度(0.656vs0.325)、分支点数(0.891vs0.570)、尾点数(0.623vs0.257)、神经段数(0.878vs0.504)和分形(0.927vs0.758)。此外，我们提出的算法对无(n = 90)和有(n = 132)神经病(根据多伦多标准定义)的参与者进行分类时，AUC为0.83，特异性为0.87，敏感性为0.68。
这些结果表明，深度学习算法为量化角膜神经生物标志物提供了快速和出色的定位性能。该模型有可能应用于糖尿病神经病变的临床筛选方案。
原始出处：
本文系梅斯医学（MedSci）原创编译整理，转载需授权！
0
