深度学习的应用——检测糖尿病型视网膜症

  近日,谷歌在《美国医学会杂志》发表题为 “Development and Validation of a Deep Learning Algorithm for Detection of Diabetic RetinoPathy in Retinal Fundus Photographs”的论文,正是谷歌研究人员提出的一种基于深度学习的算法,该算法能够在视网膜造影中对糖尿病视网膜病变的迹象做出解释,帮助医生克服资源短缺资困难,为更多的病人做出更专业的诊断。 论文:用于检测视网膜眼底照片中糖尿病性视网膜病变的深度学习算法的开发和验证   《Development and Validation of a Deep Learning Algorithm for Detection of Diabetic Retinopathy in Retinal Fundus Photographs》

摘要:

重要性:深度学习是指能让算法通过学习能展现出预期行为的大量样本以进行自我编程的一系列方法,这让我们可以不再需要特定一些明确的规则。这些方法在医学成像上的应用还需要进一步的评估和验证。 目标:为了应用深度学习来创建一种能通过视网膜眼底照片自动检测糖尿病性视网膜病和糖尿病性黄斑水肿的算法。 设计和配置:我们使用了一种被称为深度卷积神经网络的专为图像分类而优化过的神经网络模型,该网络使用 128175 张视网膜图像的数据集进行了训练,其中的每一张图像都针对糖尿病性视网膜病变、糖尿病性黄斑水肿和图像等级进行了 3 到 7 次评估。所得到的算法使用 2016 年 1 月和 2 月的两个互相独立的数据集进行了验证,其中的每张图像测试所参考的标准是一个 7 或 8 人的美国认证眼科医生中大多数人的意见。 主要结果和措施:这种用于检测可发病的糖尿病性视网膜病(RDR/referable diabetic retinopathy,即中度和更糟糕的糖尿病性视网膜病)、可发病的糖尿病性黄斑水肿或同时两者的算法的灵敏度(sensitivity)和特异性(specificity)是基于眼科专家小组中大多数决策的参考标准。该算法在为两个开发集所选择的 2 个操作点上进行了评估,其中一个是为高特异性选择的,另一个则是为高灵敏度选择的。   **结果:**EyePACS-1 数据集包含了来自 4997 位病人(平均年龄 54.4 岁)的 9963 张图像;其中 62.2% 的女性;普遍是 RDR,683/8878 完全可分级的图像(占 7.8%)。Messidor-2 数据集有来自 874 位病人(平均年龄 57.6 岁)的 1748 ;42.6% 女性;普遍是 RDR,254/1745完全可分级的图像(占 14.6%)。为了检测 RDR,该算法在 EyePACS-1 上的受试者操作曲线( ROC 曲线)下的面积为 0.991(95% CI, 0.988-0.993),在 Messidor-2 上的 ROC 曲线下的面积为 0.990 (95% CI, 0.986-0.995)。使用第一个高特异性的操作切入点(operating cut point),对于 EyePACS-1 ,灵敏度为 90.3% (95% CI, 87.5%-92.7%)、特异性为 98.1% (95% CI, 97.8%-98.5%)。对于 Messidor-2,灵敏度为 87.0% (95% CI, 81.1%-91.0%)、特异性为 98.5% (95% CI, 97.7%-99.1%)。使用开发集第二个高灵敏度的操作点,对于 EyePACS-1,灵敏度为 97.5% 而特异性为 93.4%;对于 Messidor-2,灵敏度为 96.1% 而特异性为 93.9%。 结论与相关:在这项成人的糖尿病性视网膜眼底照片的评估中,基于深机器学习的算法对可疑糖尿病性视网膜病变检测时具有高灵敏度和特异性。 这将确认此算法应用在临床中的可行性,并确定与目前的眼科评估相比是否使用该算法可以改善治疗和诊断结果。   检测糖尿病性眼病的一种最常见的方法是让专科医生来检查眼后部的图像(图 1),然后再评估疾病是否存在及其严重程度。其中疾病的严重程度是由病变(如微动脉瘤、出血、硬渗出物等)的类型所确定的,这些症状表明了眼部之中的出血和液体渗出情况。然而解读这些照片需要经过专门的训练,而在世界上许多地区,还没有足够多合格的评估者能够筛选出存在发病风险的每个人。

  图 1:为了筛选 DR 而拍摄的视网膜眼底照片样本。左侧的图像是健康的视网膜(A),而右边的图像则是可引起糖尿病性视网膜病变的视网膜(B),可以看到存在出血状况(红点)。

  论文下载:http://jamanetwork.com/journals/jama/fullarticle/2588763

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏AI科技评论

ACL 2018 奖项全公布,北大、哈工大上榜,Mark Steedman 获终身成就奖

AI 科技评论按:ACL 2018 于 7 月 15 日在墨尔本正式开幕,随着会议议程的推进,今天迎来大会的重头戏——ACL 奖项颁布仪式。

793
来自专栏CDA数据分析师

原创 | 实战:R环境下Echart的8种可视化

本文由CDA数据分析研究院曾珂提供,刘春娇整理,版权私有,侵权必究,转载请注明出处。 总结一下2016年5月29日数据科学家训练营R语言课程中Echart学习...

1979
来自专栏申龙斌的程序人生

从勾股定理,到费马大定理,再到椭圆曲线,一部辉煌壮丽的数学史诗

1.1K5
来自专栏大数据挖掘DT机器学习

抓取链家官网北京房产信息并用python进行数据挖掘

从2014年对楼市的普遍唱衰,到2015年的价格回暖,到底发生了怎样的改变?本文就尝试通过大数据来和丰富的图表,为大家展现数据背后的数据。 数据采集...

5699
来自专栏AI启蒙研究院

敲黑板!!!乐高测距传感器的思考

672
来自专栏思影科技

FNIRS研究:陌生气味竟可以引发新生儿的疼痛感受

近日,来自瑞典卡洛斯林卡医学院研究所的Jakob Frie等人在CC(CerebralCortex)上发文,这一研究旨在探讨早产新生儿和足月新生儿在感知不同的气...

3518
来自专栏大数据挖掘DT机器学习

解析滴滴算法大赛---拟合算法

续上篇 解析滴滴算法大赛---数据分析过程 滴滴算法大赛到底需要什么样子的答案? 我一开始的想法是建立一个模型,通过天气,POI,交通拥堵的参数来推导出订单数...

3635
来自专栏AI科技大本营的专栏

AI 技术讲座精选:数学不好,也可以学习人工智能(七)——自然语言处理的奇妙神奇之处

机器都能做到吗? 我现在是任由自动化左右吗? 未来AI会让作家失业吗? 请阅读本文。 编译 | AI100 在本系列的第五部分中发现了卷积神经网络...

2939
来自专栏思影科技

《大话脑成像》系列之九 —— 由 ALFF 说开去

看到这个标题有些朋友表示很不解,为什么是之九,不是第十二吗? 我告诉您,没有为什么,因为我任性(其实是因为漏掉了一期,显得不工整,现在补上) ...

3627
来自专栏大数据文摘

用神经网络续写《权力的游戏》,这个脑洞有点大(附完整小说下载)

1284

扫码关注云+社区