论文部分内容阅读
背景年龄相关性黄斑变性(Age-related Macular Degeneration,AMD)是与年龄相关致盲的重要眼病之一,主要发生在老年人视网膜黄斑部脉络膜毛细血管、玻璃膜、视网膜色素上皮退行性改变,导致进行性中心视力受损。AMD仍是全球第三大严重不可逆视力受损的病因,流行病学估计,到2020年,全球将有2亿人患AMD。息肉状脉络膜血管病变(Polypoidal Choroidal Vasculopathy,PCV)为脉络膜血管来源的血管网末端息肉样扩张,目前仍被认为是AMD的一个亚型。据相关临床病例报道表明,亚洲黄种人中新生血管AMD患者中PCV约占20-60%,而在欧洲白种人中约占8-13%。临床上AMD和PCV的治疗策略、疾病病程与预后转归均有差异。目的本研究的主要目的是运用深度学习和卷积神经网络模型,结合眼底彩照和频域光相干断层扫描(Spectral-domain Optical Coherence Tomography,SD-OCT)图片,实现年龄相关性黄斑病变的分类诊断,区分干性AMD、新生血管性AMD、PCV和正常人。第二,对比多类型图像输入模型与单种图像输入模型的诊断效能差异。第三,评估对比深度学习模型和眼科专科医生判读的诊断效能。方法回顾性收集北京协和医院眼科门诊就诊病例,入组标准为已行彩照、SD-OCT和造影检查,并确诊为干性AMD或湿性AMD或PCV,同时需除外合并其他可能引起视力下降的疾病(如:屈光间质疾病、糖尿病视网膜疾病、青光眼等)。正常眼对照为我院体检视力1.0及以上者,已行彩照和OCT,且均未见明显异常,并除外任何合并急性或慢性视力下降的疾病者。入组患者和正常对照的眼底图像收集符合统一的标准,眼底彩照为采集时期的最清晰的后极部彩照图,均来自于Topcon机器,并以统一的图片格式(jpeg格式)和命名方式存储。SD-OCT与彩照结果相配对,选取具有特征病变的水平横切面约1-3张SD-OCT图像,去掉图注和所有其他标注,图片格式与命名方式与彩照相统一。将所收集的数据进行匿名化预处理、集合分类、数据抽样和扩增,根据眼底图像性质选取合适的深度学习模型库进行参数调试、计算框架优化和推理,并训练得到最佳模型。利用同一测试集对所构建的模型进行测试评价,同时利用此同一测试集对眼科专科医师诊断分类测试,评估机器模型和专科医师的诊断效能。结果本实验共建立了 4个双模态和8个单模态机器学习模型,共收集了 1099只眼的彩照和821只眼的OCT图像。双模态深度卷积神经网络模型具有最佳的分类效能,准确度达87.4%,敏感度88.8%,特异度95.6%,与诊断金标准的一致性高于眼科专科医师。同时,最佳的双模态深度卷积神经网络模型从所有眼底图像中识别PCV的效果优于其他单模态机器学习模型和眼科专科医师。结论此实验设计提出了一个新的双模态深度学习卷积神经网络模型,能够基于眼底彩照和SD-OCT图像,实现PCV和AMD的分类。该模型的高准确性和一致性,为社区医疗机构的眼科疾病人工智能筛查系统提供了广泛的运用前景。