用深度学习自动识别糖尿病视网膜病变

致盲性的糖尿病视网膜病变是可预防的，开展筛查，早发现，早治疗，有助于减少患者视力丧失的速度。

目前各种新技术涌现，今天小编带来了SCI评分为5分以上的深度学习自动识别DR新技术（AUC0.97）一篇，也欢迎各位老师将看到的新技术推荐至MMC代谢中心文献库。

摘要：

我们开发了一种数据驱动的深度学习算法，作为一种新的自动视网膜病变（DR）诊断工具。该算法处理彩色眼底图像，并将其分类为健康（无视网膜病变）或有DR，确定相关病例进行医学转诊。

方法：

我们使用了75137例公开的眼底图像用于训练人工智能（AI）模型，在试验前，由视网膜研究专家组对我们数据集进行标注。 并在公开的数据库MESSIDOR 2 和 E-Ophtha 中进行外部验证。通过自动标记异常热力图可视化的自动算法学习到的信息，并且高亮眼底图像的子区域给临床进一步研究。

主要观察指标：

我们使用受试者工作特征曲线（receiver operating characteristic curve，简称ROC曲线）下面积（AUC）来衡量我们的算法，在精确和撤回算法之间做权衡，并给出相关的敏感性和特异性。

结果：

我们的模型在本地数据集上获得5次交叉验证的结果，发现AUC达到0.97，敏感性和特异性分别达到94%和98%。用独立的MESSIDOR 2 和e-ophtha数据库进行测试，AUC分别达到了0.94和0.95。

结论：

基于数据驱动的人工智能的分级算法可用于自动识别筛选糖尿病患者眼底照片，并可靠的判断出该患者是否应该转诊至眼科医生进一步评估和治疗。这种算法在全球范围内的实施可能大大减慢由DR而致视力下降的速度。

参考文献:Gargeya R1,Leng T2. Automated Identification of Diabetic Retinopathy Using Deep Learning.Ophthalmology. 2017 Jul;124(7):962-969. doi: 10. 1016 / j. ophtha. 2017. 02. 008. Epub 2017 Mar 27.

原文链接：https://www.ncbi.nlm.nih.gov/pubmed/?term=Automated+Identification+of+Diabetic+Retinopathy+Using+Deep+Learning.