简介:摘要目的建立基于深度学习光相干断层扫描(OCT)图像眼底病变的眼底智能辅助诊断系统,初步评估其应用价值。方法诊断性试验研究。2016年至2019年期间于浙江大学医学院附属第二医院眼科中心就诊的25 000例患者的25 000张OCT图像作为眼底智能辅助诊断系统的训练集和验证集。其中,黄斑前膜、黄斑水肿、黄斑裂孔、脉络膜新生血管(CNV)、老年性黄斑变性(AMD)各5 000张。训练集、验证集分别为18 124、6 876张。通过迁移学习Attention ResNet结构算法,对OCT图像进行特征性病变识别,通过特定程序提取疾病特征,根据目标病变的统计特征,将给定的图像与其他类型的疾病进行区分。初步形成黄斑前膜、黄斑水肿、黄斑裂孔、CNV、AMD的模型算法,建立5种模型的眼底智能辅助诊断系统。应用受试者工作特征曲线及曲线下面积(AUC)、灵敏度、特异性评估眼底智能辅助诊断系统中各模型辅助诊断的性能。结果眼底智能辅助诊断系统中,黄斑前膜模型辅助诊断的灵敏度、特异性分别为93.5%、99.23%,AUC为0.983 7;黄斑水肿辅助诊断的灵敏度、特异性分别为99.02%、98.17%,AUC为0.994 6;黄斑裂孔模型辅助诊断的灵敏度、特异性分别为98.91%、99.91%,AUC为0.996 2;CNV模型辅助诊断的灵敏度、特异性分别为97.54%、94.71%,AUC为0.987 5;AMD模型辅助诊断的灵敏度、特异性分别为95.12%、97.09%,AUC为0.985 3。结论基于深度学习OCT图像眼底病变的眼底智能辅助诊断系统对于辅助诊断黄斑前膜、黄斑水肿、黄斑裂孔、CNV、AMD的诊断性能较高。