典型文献
基于深度卷积神经网络的早产儿视网膜病变1~3期分期自动诊断
文献摘要：
目的：:利用深度卷积神经网络（DCNN）对早产儿视网膜病变诊断分期中1~3期病变进行自动分类诊断。方法：:回顾性研究。选取2019年1月至2020年12月在嘉兴市妇幼保健院出生的1 885例早产儿所采集的12 219张眼底图像，构建了早产儿视网膜眼底图像数据集。基于分割出眼底图像的视网膜血管以及分界线或嵴，计算出感兴趣区域（ROI），并从ROI分割图中提取特征，采用五折交叉验证法训练分类器，对早产儿视网膜病变中1~3期进行自动分类诊断。在测试集上对DCNN进行性能评估，并与临床诊断结果进行一致性分析。结果：:本系统对ROP 1~3期及无ROP的诊断准确率达到了98%。在诊断无ROP图像时，其敏感度和特异性分别达到了0.975 7和0.975 6；对ROP 1期、2期和3期图像的诊断，敏感度分别为0.922 1、0.933 1和0.910 2，特异性则分别为0.983 7、0.988 6和0.992 8。DCNN的诊断结果与临床诊断结果的Kappa一致性为0.905 9。结论：:基于DCNN的早产儿眼底病变分期诊断系统，使用从ROI分割图中提取的特征训练分类器，能够对ROP1~3期病变眼底图像进行较高准确率的自动辅助诊断。
文献关键词：
视网膜病变;深度卷积神经网络;早产儿;图像分割
中图分类号：
作者姓名：
刘佳;濮清岚;李鹏;周巧云;许维馨;李勇
作者机构：
嘉兴市妇幼保健院眼科，嘉兴 314000;同济大学浙江学院电子与信息工程系，嘉兴 314005
文献出处：
引用格式：
[1]刘佳;濮清岚;李鹏;周巧云;许维馨;李勇-.基于深度卷积神经网络的早产儿视网膜病变1~3期分期自动诊断)[J].中华眼视光学与视觉科学杂志,2022(12):910-916
A类：
ROP1
B类：
深度卷积神经网络,早产儿视网膜病变,自动诊断,DCNN,自动分类,分类诊断,回顾性研究,嘉兴市,妇幼保健院,视网膜眼底图像,图像数据集,割出,视网膜血管,分界线,线或,感兴趣区域,ROI,提取特征,五折交叉验证,交叉验证法,分类器,测试集,性能评估,诊断结果,一致性分析,本系,诊断准确率,断无,Kappa,眼底病变,病变分期,分期诊断,诊断系统,辅助诊断,图像分割
AB值：
0.224818
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
