基于EasyDL开发糖尿病眼底病变人工智能分级诊断模型及其验证评价
糖尿病视网膜病变
曹绮雯 王春晖 万杰君 王金龙 杨群峰![](/images/paper/0253-9802/202205/12-1-l.jpg)
![](/images/paper/0253-9802/202205/12-2-l.jpg)
![](/images/paper/0253-9802/202205/12-3-l.jpg)
【摘要】 目的 创新性利用人工智能(AI)开放平台EasyDL独立开发糖尿病视网膜病变(DR)的AI辅助诊断模型,并对其诊断准确指标进行评价。方法 采用Kaggle公开的糖尿病眼底疾病数据集的35 126张眼底照片作为训练集,上传至EasyDL开放平台建立AI辅助诊断模型。收集在眼科进行临床DR筛查的150例糖尿病患者共300张双眼的彩色眼底照片作为测试集,以3位副高及以上职称眼科医师的诊断为金标准,分别评价AI诊断模型、初级医师、中级医师及联合诊断对DR分级的诊断准确性。结果 非DR和轻度非增生型DR(NPDR)患者共170例,中度、重度NPDR和增生型DR(PDR)患者共130例。AI诊断模型灵敏度高但特异度低,各项诊断指标和中级医师诊断接近,比初级医师诊断优秀。当AI诊断模型和临床医师诊断相结合时,诊断的准确率和灵敏度均有所提高。在与金标准的一致性评价中,AI诊断模型的kappa系数为1.00,而中级医师诊断的kappa系数为0.88(P均< 0.01)。结论 基于开放平台EasyDL建立的AI诊断模型操作简单,能为DR的初筛提供帮助,同时也为不具备深度学习算法知识的临床医师提供有效的科研工具。
【关键词】 糖尿病视网膜病变;人工智能诊断模型;诊断准确性研究
【Abstract】 Objective To innovatively utilize the open artificial intelligence (AI) platform EasyDL to independently develop an AI auxiliary diagnosis model for diabetic retinopathy (DR), and evaluate its diagnostic accuracy indicators. Methods 35 126 fundus photos of the diabetes fundus disease data set published by Kaggle were used as the training set ......
您现在查看是摘要页,全文长 13102 字符。