文献类型：期刊文章

作　　者：何楷[1,2] 吴茂念[1,2] 郑博[1,2] 杨卫华[3] 朱绍军[1,2] 金玲[3]

Kai He;Mao-Nian Wu;Bo Zheng;Wei-Hua Yang;Shao-Jun Zhu;Ling Jin(School of Information Engineering,Huzhou University,Huzhou 313000,Zhejiang Province,China;Zhejiang Province Key Laboratory of Smart Management and Application of Modern Agricultural Resources,Huzhou University,Huzhou 313000,Zhejiang Province,China;Big Data Laboratory of Ophthalmic Artificial Intelligence,the Affiliated Eye Hospital of Nanjing Medical University,Nanjing 210029,Jiangsu Province,China)

机构地区：[1]湖州师范学院信息工程学院,中国浙江省湖州市313000 [2]浙江省现代农业资源智慧管理与应用研究重点实验室,中国浙江省湖州市313000 [3]南京医科大学附属眼科医院眼科人工智能大数据实验室,中国江苏省南京市210029

出　　处：《国际眼科杂志》

基　　金：国家自然科学青年基金项目(No.61906066);浙江省自然科学基金项目(No.LQ18F020002);浙江省教育厅一般科研项目(No.Y202147191);湖州市科技计划项目(No.2016YZ02);南京市企业专家团队工作室项目;湖州师范学院研究生科研创新项目(No.2020KYCX21)。

年　　份：2022

卷　　号：22

期　　号：5

起止页码：711-715

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、DOAJ、EMBASE、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：目的:评估基于深度学习的翼状胬肉自动分类诊断系统的应用价值。方法:在2020-05/2021-04期间,从南京医科大学附属眼科医院共收集750张翼状胬肉正常、观察期和手术期眼前节图片。在原始数据集和增强数据集上分别训练7个三分类模型。测试临床470张图片,比较数据增强前后模型的泛化能力,确定可用于翼状胬肉自动分类系统的最好模型。结果:在原始数据集上训练最好模型的灵敏度平均值为92.55%,特异度平均值为96.86%,AUC平均值为94.70%。数据增强后,不同模型灵敏度、特异度和AUC平均提升3.7%、1.9%和2.7%。在增强数据集上训练的EfficientNetB7模型灵敏度平均值为93.63%,特异度平均值为97.34%,AUC平均值为95.47%。结论:在增强数据集上训练的EfficientNetB7模型取得最好的分类效果,可用于翼状胬肉自动分类系统。该自动分类系统能较好地诊断翼状胬肉疾病,有望成为基层医疗的有效筛查工具,也为翼状胬肉的细化分级研究提供参考。

关 键 词：人工智能 深度学习  翼状胬肉 分类模型  数据增强  迁移学习  

分 类 号：TP3[计算机类]