目的 收集糖尿病患者的眼底彩色照片,建立基于深度卷积神经网络的计算机视觉模型,探讨其在糖尿病视网膜病变(Diabetic Retinopathy,DR)转诊中的应用.方法 收集苏州地区糖尿病患者眼底照片,其中训练集(n=350)和内部验证集(n=100)照片来自苏州大学理想眼科医院,测试集来自苏州市立医院(n=200).对眼底照片进行分类,分为DR无需转诊组和需转诊组.基于测试集表现评价模型分类能力,并与两名眼科医生进行比较.此外,采用Grad-CAM技术对计算机视觉模型进行可视化解释.结果 EfficientNet模型在各模型中表现最佳,且优于低年资眼科医生[准确度(Accuracy,ACC)为 0.840,敏感度(Sensitivity,SE)为 0.793,特异性(Specificity,SP)为 0.859],但略低于高年资医生(ACC 为0.925,SE为0.862,SP为0.951).在EfficientNet模型的辅助下,低年资医生的ACC升至0.915,SE为0.828,SP为0.951.同样,高年资医生的ACC达到0.965,SE为0.931,SP为0.979.结论 基于深度卷积神经网络的计算机视觉模型在DR转诊二分类任务中表现较好,优于低年资眼科医生.该模型可辅助眼科医生诊断,提高准确度.
作者：王慧霞；张玉婷；王莹；朱曼辉
来源：中国医疗设备 2023 年 38卷 11期
