基于深度学习的翼状胬肉自动分类系统研究

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

所属期刊栏目：22

分类号：TP391.41;TP18;G255.2

资助基金：国家自然科学基金;浙江省自然科学基金;浙江省教育厅一般科研项目;湖州市科技计划项目;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

在线出版日期：2022-05-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：711-715