基于彩色眼底像和深度学习的视神经炎及非动脉炎性前部缺血性视神经病变的筛查诊断系统的构建

摘要：

目的:构建并评估基于彩色眼底像和人工智能（AI）辅助筛查视神经炎（ON）及非动脉炎性前部缺血性视神经病变（NAION）的筛查诊断系统。方法:诊断性试验研究。2016年至2020年于中山大学中山眼科中心检查确诊的NAION患者178例267只眼（NAION组）、ON患者204例346只眼（ON组），以及2018年至2020年经视力、眼压及光相干断层扫描（OCT）检查为眼底正常的健康者513名1 160只眼（正常对照组）共2 909张彩色眼底像作为筛查诊断系统的数据集，其中NAION组、ON组、正常对照组分别为730、805、1 374张。将正确标注后的彩色眼底像作为输入数据，选用EfficientNet-B0算法进行系统训练并验证，最终构建是否存在异常视盘、是否存在ON和是否存在NAION的3个筛查系统（二分法）。采用受试者工作特征（ROC）曲线、ROC下面积（AUC）、准确度、灵敏度、特异性和热力图作为诊断效能和科学性的判断指标。结果:测试集中，诊断是否存在异常视盘、是否存在ON、是否存在NAION的AUC分别为0.967 [95%可信区间（
CI）0.947~0.980]、0.964（95%
CI 0.938~0.979）、0.979（95%
CI 0.958~0.989），并且系统在决策过程中的激活区域主要位于视盘。
结论:基于彩色眼底像的异常视盘、ON和NAION筛查诊断系统具有准确高效的诊断性能。

关键词：视神经炎、非动脉炎性前部缺血性视神经病变、异常视盘、人工智能、深度学习

所属期刊栏目：39

资助基金：国家自然科学基金81870656;National Natural Science Foundation of China81870656

在线出版日期：2023-05-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：51-58