基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
目的:探索基于眼底彩照和人工智能构建冠心病智能诊断系统的可行性.方法:于2013—2014年收集广东省人民医院530例患者共2117张眼底彩照,其中冠心病217例共909张眼底彩照.根据患者有无冠心病的情况进行标记,使用Inception-V3深度卷积神经网络训练人工智能模型,随后使用验证数据判断模型的准确率.计算深度卷积网络模型的准确性、一致率、敏感性、特异性和受试者工作特性曲线下面积(area under the curve,AUC).结果:在2117张眼底彩照中,1903张用于模型训练,214张用于模型的性能评估.在测试集中,该算法的准确性为98.1%,一致率为98.6%,敏感性为100.0%,特异性为96.7%,AUC为0.988(95%CI:0.974~1.000).结论:眼底彩照联合人工智能技术可精准判定冠心病,该模型具备较高的敏感性和特异性,但须进一步增加样本量,使用大样本量数据验证该模型,排除过拟合的可能性.
推荐文章
颈动脉超声联合眼底检查在冠心病诊断中的价值
颈动脉
超声检查
眼底检查
冠状动脉造影
模糊支持向量分类机在冠心病诊断中的应用
机器学习
模糊支持向量分类机
冠心病
诊断
奥马哈问题分类表在冠心病住院患者中的应用
奥马哈问题分类表
护理评估
冠心病护理
标准化语言
基于属性加权朴素贝叶斯的冠心病辨证模型
属性加权朴素贝叶斯
冠心病
属性权重
分类模型
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于眼底彩照的冠心病智能分类系统
来源期刊 眼科学报 学科
关键词 冠心病 眼底彩照 人工智能
年,卷(期) 2021,(3) 所属期刊栏目 论著|Original Article
研究方向 页码范围 188-191
页数 4页 分类号
字数 语种 中文
DOI 10.3978/j.issn.1000-4432.2021.03.17
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (10)
共引文献  (0)
参考文献  (12)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(4)
  • 参考文献(1)
  • 二级参考文献(3)
2017(2)
  • 参考文献(0)
  • 二级参考文献(2)
2018(2)
  • 参考文献(1)
  • 二级参考文献(1)
2019(2)
  • 参考文献(0)
  • 二级参考文献(2)
2021(2)
  • 参考文献(2)
  • 二级参考文献(0)
2021(2)
  • 参考文献(2)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
冠心病
眼底彩照
人工智能
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
眼科学报
季刊
1000-4432
44-1119/R
大16开
广东省广州市先烈南路54号
46-304
1985
chi
出版文献量(篇)
1308
总下载数(次)
1
总被引数(次)
3490
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导