使用深度学习预测糖尿病视网膜病变发生风险
图像与视频处理
2022-03-31 v1 计算机视觉与模式识别
摘要
糖尿病视网膜病变（DR）筛查有助于预防失明，但随着糖尿病患者数量的增加面临规模化挑战。对 DR 发生的风险分层可能有助于优化筛查间隔，以降低成本并改善视力相关结局。我们创建并验证了两个版本的深度学习系统（DLS），用于预测接受 DR 筛查的糖尿病患者发生轻度及以上（“Mild+”）DR 的风险。两个版本分别使用三视野或单视野彩色眼底照相（CFP）作为输入。训练集来自 575,431 只眼，其中 28,899 只具有已知的 2 年结局，其余通过多任务学习用于增强训练过程。验证在内部验证集（集合 A；7,976 只眼；3,678 只已知结局）和外部验证集（集合 B；4,762 只眼；2,345 只已知结局）上进行。对于预测 2 年 DR 发生，三视野 DLS 在验证集 A 上的受试者工作特征曲线下面积（AUC）为 0.79（95%CI，0.78-0.81）。在仅含单视野的验证集 B 上，单视野 DLS 的 AUC 为 0.70（95%CI，0.67-0.74）。即使在调整了可用风险因素后，DLS 仍具有预后价值（p<0.001）。当加入风险因素后，三视野 DLS 在验证集 A 中将 AUC 从 0.72（95%CI，0.68-0.76）提升至 0.81（95%CI，0.77-0.84），单视野 DLS 在验证集 B 中将 AUC 从 0.62（95%CI，0.58-0.66）提升至 0.71（95%CI，0.68-0.75）。本研究的 DLS 从 CFP 中识别出了 DR 发生的预后信息。该信息独立于可用风险因素且比其更具信息量。
引用
@article{arxiv.2008.04370,
title = {Predicting Risk of Developing Diabetic Retinopathy using Deep Learning},
author = {Ashish Bora and Siva Balasubramanian and Boris Babenko and Sunny Virmani and Subhashini Venugopalan and Akinori Mitani and Guilherme de Oliveira Marinho and Jorge Cuadros and Paisan Ruamviboonsuk and Greg S Corrado and Lily Peng and Dale R Webster and Avinash V Varadarajan and Naama Hammel and Yun Liu and Pinal Bavishi},
journal= {arXiv preprint arXiv:2008.04370},
year = {2022}
}