眼底图像深度学习技术对屈光不正的智能诊断研究

• 作者: 余双 刘含若 张悦 杜一帆 王宁利 白玮玲
• 来源期刊: 现代生物医学进展
• 学科: 医学
• 关键词: 深度学习 屈光不正 智能诊断
• 年，卷（期）: 2020,（18）
• 所属期刊栏目: 临床研究
• 页码范围: 3587-3591
• 页数: 5页
• 分类号: R778.1
• 语种: 中文
• DOI: 10.13241/j.cnki.pmb.2020.18.042

摘要

目的:提出一种基于人类视觉注意力机制的RE-Net网络结构以使卷积神经网络(CNN)更适用于眼底相的屈光不正的智能诊断评估.方法:RE-Net由ResNet34作为骨干网络,进一步使用了上下文注意力模块,包括通道注意力机制和空间注意力机制,使其相应的通道发挥最大的作用,提高响应区域的权重.结果:使用了4358张眼底图像作为RE-Net的训练集.在包含485张眼底图像的测试集上,分类准确率分别为,高度近视93.3％,中度近视89.7％,轻度近视83.2％,轻度远视82.5％,中度远视79.5％,重度远视84.6％,平均分类准确率达85.5％,曲线下面积(AUC)为0.909,灵敏度为0.93,特异性为0.89,Kappa值为0.79(x2=23.21,P＜0.05).结论:基于深度学习的RE-NET人工智能诊断系统能较好进行屈光不正的诊断评估,有望为屈光不正提供一种新的筛查工具.