利用深度学习从眼底图像预测年龄相关性黄斑变性的进展
计算机视觉与模式识别
2019-04-12 v1
摘要
背景:新生血管性年龄相关性黄斑变性(AMD)患者可通过特定治疗避免视力丧失。然而,预测进展为新生血管性年龄相关性黄斑变性(nvAMD)的方法尚缺乏。目的:开发并验证一种深度学习(DL)算法,利用彩色眼底照相(CFP)预测无、早期或中期 AMD 的眼在 1 年内进展为 nvAMD。设计:DL 算法的开发与验证。方法:我们训练了一种 DL 算法来预测 1 年内进展为 nvAMD,并在年龄相关性眼病研究(AREDS)的两组眼中采用 10 折交叉验证评估该方法:无/早期/中期 AMD 组,以及仅中期 AMD(iAMD)组。我们将 DL 算法与 AREDS 数据集中人工分级的 4 类及 9 步量表进行比较。主要结局指标:DL 算法的性能以预测进展为 nvAMD 在 80% 特异度下的灵敏度进行评估。结果:DL 算法从无/早期/iAMD 预测进展为 nvAMD 的灵敏度(78±6%)高于 9 步量表(67±8%)或 4 类量表(48±3%)的人工分级。对于专门从 iAMD 预测进展,DL 算法的灵敏度(57±6%)同样高于 9 步分级(36±8%)和 4 类分级(20±0%)。结论:我们的 DL 算法在预测进展为 nvAMD 方面优于人工分级。未来需开展研究以检验该 DL 算法在真实临床环境中的应用。
引用
@article{arxiv.1904.05478,
title = {Predicting Progression of Age-related Macular Degeneration from Fundus Images using Deep Learning},
author = {Boris Babenko and Siva Balasubramanian and Katy E. Blumer and Greg S. Corrado and Lily Peng and Dale R. Webster and Naama Hammel and Avinash V. Varadarajan},
journal= {arXiv preprint arXiv:1904.05478},
year = {2019}
}
备注
27 pages, 7 figures