睑板腺缺失面积的图像深度处理分析研究

摘要：

目的:探讨睑板腺图像深度处理分析方法的临床应用价值。方法:诊断评价研究。采集2017年1月至2018年12月就诊于武汉大学人民医院眼科中心年龄（40.03±11.46）岁的干眼患者的2 304幅睑板腺图像构建睑板腺图像数据库，由2名临床医师对图像进行标记，利用深度学习算法建立模型，检测模型对睑板腺识别及标注的准确性并计算睑板腺缺失率。采用平均精度均值（mAP）及验证集损失值评价模型对特征区域识别的准确性。并随机选取64幅数据库以外的睑板腺图像，由7名受试医师独立评估后与模型评估结果进行统计性
t检验。
结果:模型对睑结膜进行标记的mAP>0.976，验证集损失值<0.35；对睑板腺标记的mAP>0.922，验证集损失值<1.0。模型标记的睑板腺比例为53.24%±11.09%，人工标记为52.13%±13.38%，差异无统计学意义（
t=1.935，
P>0.05）。模型评价每幅图像仅需0.499 s，而临床医师用时平均超过10 s。
结论:该睑板腺图像深度处理方法可提高临床检查结果的准确性，提高诊断效率，可用于睑板腺功能障碍相关疾病的临床辅助诊断和筛查。
（中华眼科杂志，2020，56：774-779）

关键词：干眼、睑板腺功能障碍、睑板腺照相、人工智能、深度学习

所属期刊栏目：56

资助基金：国家自然科学基金81770899;National Natural Science Foundation of China81770899

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6页

页码：774-779