基于多模态数据的深度学习在青光眼诊断和严重程度分级中的应用

作     者：钱朝旭 周凌翔 冯雪丽 陈曦 杨文艳 易三莉 钟华 Qian Chaoxu;Zhou Lingxiang;Feng Xueli;Chen Xi;Yang Wenyan;Yi Sanli;Zhong Hua

作者机构：上海爱尔眼科医院上海爱尔眼科研究所上海200030 昆明理工大学信息工程与自动化学院昆明650504 南京医科大学第一附属医院眼科南京210029 昆明医科大学第一附属医院眼科昆明650032 

出 版 物：《中华实验眼科杂志》 (Chinese Journal Of Experimental Ophthalmology)

年 卷 期：2024年第42卷第12期

页      面：1149-1154页

核心收录：

学科分类：1002[医学-临床医学] 100212[医学-眼科学] 10[医学] 

基　　金：国家自然科学基金(81960176) 湖南省自然科学基金(2023JJ70013) 上海市徐汇区医学科研项目(SHXH202317) 爱尔眼科医院集团科研基金(AGK2306D03) 

主　　题：青光眼 人工智能 多模态成像 彩色眼底照相 视野 

摘      要：目的基于多模态数据开发能诊断青光眼并识别严重程度的深度学习模型。方法采用诊断试验研究方法,于2023年6—12月在昆明医科大学第一附属医院眼科收集正常人群86人145眼和不同严重程度原发性开角型青光眼患者314例507眼的彩色眼底照相和视野检查结果,并根据视野的平均缺损值将青光眼分为早期154眼、中期113眼和晚期240眼。分别采用DenseNet 121、ResNet 50和VGG 19卷积神经网络(CNN)模型建立人工智能(AI)青光眼严重程度分级模型,评估单模态数据与多模态数据对于分类结果的影响,并确定适合多模态数据的CNN网络架构。结果同时具有彩色眼底照相和视野检查结果者有652眼,按照4∶1的比率采用计算机取随机数法将图片分配到训练集和测试集。不同CNN模型建立的青光眼严重程度分级模型均具有较高的准确性,DenseNet 121整体有效性指标高于ResNet 50和VGG 19。在彩色眼底照相单模态AI模型、视野单模态AI模型、彩色眼底照相联合视野的多模态AI模型中,识别早期青光眼的受试者工作特征曲线下面积分别为0.87、0.93和0.95。结论基于多模态数据能建立具有高准确性的青光眼诊断和严重程度分级工具。