论文部分内容阅读
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）