从视网膜眼底图像中检测贫血
计算机视觉与模式识别
2020-06-03 v1
摘要
尽管贫血患病率很高，但由于筛查和诊断检测的侵入性与成本，其常被漏诊。虽已开发一些非侵入性方法，但其准确度低于侵入性方法，因此亟需更精准的非侵入性手段。在此，我们展示基于深度学习的算法可利用视网膜眼底图像（单独或结合患者人口统计学等基础元数据）检测贫血并量化若干相关血液指标。在来自 UK Biobank 的 11,388 名患者的验证数据集上，我们的算法在量化血红蛋白浓度时平均绝对误差为 0.63 g/dL（95% 置信区间 (CI) 0.62-0.64），在检测贫血时受试者工作特征曲线下面积（AUC）为 0.88（95% CI 0.86-0.89）。本工作展示了基于眼底图像的自动化非侵入性贫血筛查的潜力，尤其适用于可能定期接受视网膜成像且因贫血导致发病与死亡风险增加的糖尿病患者。
引用
@article{arxiv.1904.06435,
title = {Detecting Anemia from Retinal Fundus Images},
author = {Akinori Mitani and Yun Liu and Abigail Huang and Greg S. Corrado and Lily Peng and Dale R. Webster and Naama Hammel and Avinash V. Varadarajan},
journal= {arXiv preprint arXiv:1904.06435},
year = {2020}
}
备注
31 pages, 5 figures, 3 tables