文献类型：期刊文章

作　　者：龚雁[1] 顾在旺[2] 胡衍[2] 廖燕红[1] 叶婷[1] 刘栋[1] 刘江[2,3]

Gong Yan;Gu Zaiwang;Hu Yan;Liao Yanhong;Ye Ting;Liu Dong;Liu Jiang(Ningbo Eye Hospital,Ningbo 315041,China;Cixi Institute of BioMedical Engineering,CNITECH,CAS,Ningbo 315201,China;Department of Computer Science and Engineering,Southern University of Science and Technology,ShenZhen 518055,China)

机构地区：[1]宁波市眼科医院,315041 [2]中国科学院宁波工业技术研究院慈溪生物医学工程研究所,315201 [3]南方科技大学计算机科学与技术学院,深圳518055

出　　处：《中华实验眼科杂志》

基　　金：浙江省自然科学基金项目(LY19H120001、LQ19H180001);浙江省医药卫生科技计划项目(2018KY737);浙江省中医药科技计划项目(2018ZA111);宁波市鄞州区科技局农社类科技计划项目(鄞科【2017】110号).

年　　份：2019

卷　　号：37

期　　号：8

起止页码：658-662

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EMBASE、IC、JST、SCOPUS、ZGKJHX、核心刊

摘　　要：目的探讨基于深度学习光相干断层扫描(OCT)辅助诊断湿性年龄相关性黄斑变性(wAMD)算法的应用价值。方法在仅能提供有无疾病作为标记的前提下,首先基于ResNet-101深度模型训练一个深度神经网络来自动判断患者是否患有wAMD疾病,其次将基于弱监督深度学习的算法应用于OCT图像自动辅助诊断wAMD的疾病区域,同时使用热力图为医生诊断疾病区域提供依据。基于弱监督的深度学习,使用了一种新型的网络算法结构应用于眼科OCT图像的疾病区域检测中,同时通过改进传统病灶区域生成方式来提高病灶热力图的准确性,通过重新组合神经网络中的权重神经元的数值生成病灶热力图,最后通过计算算法预测正确的结果占所有预测结果的比重得到最终的算法准确率。结果基于Resnet的深度学习算法对于wAMD的诊断准确率达到94.9%,远高于AlexNet的85.3%、VGG的88.7%和Google-Net的89.2%;同时热力图通过不同的颜色为医生提供更方便的辅助诊断依据。结论相比较原始的基于疾病区域标记作为经验知识的分类网络,基于弱监督学习的深度学习算法模型在无需提供疾病区域标记的前提下,不仅在眼底疾病分类上有较好的结果,还能标记潜在的病灶区域,为wAMD的诊断提供病灶区域的判断依据。

关 键 词：湿性年龄相关性黄斑变性 疾病分类 病灶区域检测  弱监督深度学习  

分 类 号：TP18] TP391.41] R774.5]