目的 基于深度神经网络原理,通过对糖尿病视网膜病变(diabetic retinopathy,DR)的眼底图像分级,构建DR辅助诊断模型,为人群中该类疾病筛查提供方便快捷的方法.方法 利用图像增强技术对图像数据进行预处理,并使用Focal Loss损失函数、余弦退火学习率、加权随机采样、图像高斯滤波混合加权方法优化深度卷积神经网络Inceptionv4和SENet154,构建出DR的眼底图像分级模型,并用公开发表的Messidor数据集中包含的DR和糖尿病黄斑水肿(diabetic macular edema,DME)的眼底图像对所得到模型进行验证;最后用类激活图(class activation map,CAM)来标记出病灶区域,实现分级的可视化,辅助医生快速诊断.结果 DR分级模型中,经过多种优化方法后,等级为0、1、2、3类的曲线下面积(area under curve,AUC)分别为0.925(95％ CI:0.898～0.952)、0.738(95％ CI:0.711～0.764)、0.873 (95％ CI:0.848 ～0.898)、0.977(95％ CI:0.957～0.997);DME分级模型中,等级为0、1、2类的AUC分别为0.965(95％CI:0.948～0.981)、0.881(95％ CI:0.852～0.909)、0.963(95％ CI:0.941～0.985),并输出眼底图像的CAM.结论 通过多种优化方式构建出DR和DME模型取得了较高的AUC,模型绘制出CAM能够准确定位可疑病灶区域,能直观辅助医生方便快捷诊断.

作者：吴天柱；吴学森

来源：中华疾病控制杂志 2022 年 26卷 1期