文献类型：期刊文章

作　　者：郑博[1] 杨卫华[2] 吴茂念[1] 朱绍军[1] 翁铭[3] 张娴[4] 张民军[5]

Zheng Bo;Yang Weihua;Wu Maonian;Zhu Shaojun;Weng Ming;Zhang Xian;Zhang Minjun(Key Laboratory of Medical Artificial Intelligence of Huzhou University,The Information Engineering College of Huzhou University,Huzhou 313000,China;Department of Ophthalmology,the First Affiliated Hospital of Huzhou University,Huzhou 313000,China;Department of Ophthalmology,Wuxi Third People's Hospital,Wuxi 214041,China;Department of Ophthalmology,Ningbo Medical Center Lihuili Eastern Hospital,Ningbo 315000,China;Department of Ophthalmology,Huzhou Aier Eye Hospital,Huzhou 313000,China)

机构地区：[1]湖州师范学院信息工程学院湖州师范学院医学人工智能重点实验室,313000 [2]湖州师范学院附属第一医院眼科,313000 [3]无锡市第三人民医院眼科,214041 [4]宁波市医疗中心李惠利东部医院眼科,315000 [5]湖州爱尔眼科医院眼科,313000

出　　处：《中华实验眼科杂志》

基　　金：浙江省自然科学基金项目(LQ18F020002);浙江省公益技术研究计划项目(LGF18H120003);浙江省医药卫生科研项目(2018270516).

年　　份：2019

卷　　号：37

期　　号：8

起止页码：674-679

语　　种：中文

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

摘　　要：目的提出基于眼底照相的糖尿病视网膜病变(DR)智能辅助诊断技术的评价体系并评估其应用价值。方法采用诊断性试验研究方法,建立基于眼底照相的DR智能辅助诊断技术的评价体系。收集2017年1月至2018年10月在湖州师范学院附属第一医院眼科临床DR筛查的331例糖尿病患者662眼的彩色眼底照片,比较并评价专家诊断结果和智能辅助诊断结果。评价体系分为初级评价、中级评价和高级评价,初级评价为在所有接受DR智能辅助诊断技术的糖尿病患者中对非DR(NDR)的诊断一致率;中级评价为对已诊断为DR(1~4级)患者DR病变程度的诊断一致率;高级评价为在所有接受DR智能辅助诊断的糖尿病患者中对于DR分级(0~4级)的诊断一致率。其中中级评价包括了2种评价方法,主要评价指标包括灵敏度、特异度和一致性。结果专家诊断组结果显示,NDR患者占22.7%,轻度、中度和重度NPDR患者分别占19.9%、18.7%和25.7%,PDR占13.0%。智能辅助诊断组结果显示NDR患者占25.8%;轻度、中度和重度NPDR患者分别占19.7%、19.3%和22.8%,PDR患者占12.4%。按照本研究提出的评价体系,初级评价中智能辅助诊断灵敏度为91.4%,特异度为84.7%,Kappa系数为0.72;中级评价方法1中智能辅助诊断灵敏度(判断被测者患有重度DR的准确率)为88.4%,特异度(判断被测者患有轻度DR的准确率)为91.1%,Kappa系数为0.79;中级评价方法2中智能辅助诊断灵敏度为80.5%,特异度为93.3%,Kappa系数为0.75;高级评价中智能辅助诊断Kappa系数为0.62。结论基于眼底照相的DR智能辅助诊断技术的评价体系可用于DR智能辅助诊断技术的评价,可作为DR智能辅助诊断应用场景选择的依据。

关 键 词：糖尿病视网膜病变 人工智能 深度学习  诊断成像 神经网络 评价体系  智能辅助诊断技术  

分 类 号：R587.2]