导 师: 岑令平
授予学位: 硕士
作 者: ();
机构地区: 汕头大学
摘 要: 目的:利用黄斑区眼底彩照及OCT扫描图像,构建基于深度学习算法的黄斑病变检测模型,用于常见9类黄斑区病变的检测。 方法:本研究选取2016年1月至2019年4月在汕头大学?香港中文大学联合国际眼科中心就诊患者的黄斑区眼底彩照及OCT图像,经过分级人工标注后,分别建立训练集和验证集。利用深度学习算法建立用于9种黄斑病变的眼底彩照-OCT图像黄斑病变检测模型,并验证其准确度、敏感度及特异度,评估此模型在黄斑病变检测中的表现情况及使用价值。 结果:本研究共纳入1758人,2306眼,共35535张图像,其中眼底彩照9422张,OCT图像26113张。对于分类眼底彩照,深度学习模型的总体准确度为95.12%,Kappa为0.93,AUC为0.999(95%CI,0.999-1.000),敏感度为99.308%(95%CI,98.394%-99.775%)和特异度为98.263%(95%CI,96.986%-99.100%)。对于分类OCT图像,深度学习模型的总体准确度为96.36%,Kappa为0.958,AUC为0.992(95%CI,0.990-0.994),敏感度为99.377%(95%CI,99.059%-99.609%)和特异度为94.550%(95%CI,91.709%-96.640%)。 结论:本研究构建的用于9种黄斑病变检测的深度学习算法模型有较高的准确度、敏感度及特异度,且基于OCT图像的检测效果略优于眼底彩照。