Sci Rep：机器学习技术可以利用超宽域眼底图像诊断视网膜脱离！
2017-08-27 cuiguizhong MedSci原创
日本Tsukazaki医院眼科系的Ohsugi H近日在Sci Rep杂志发表了一篇文章，题目为"Accuracy of deep learning， a machine-learning technology， using ultra-wide-field fundus ophthalmoscopy for detecting rhegmatogenous retinal detachment"
日本Tsukazaki医院眼科系的Ohsugi H近日在Sci Rep杂志发表了一篇文章，题目为"Accuracy of deep learning， a machine-learning technology， using ultra-wide-field fundus ophthalmoscopy for detecting rhegmatogenous retinal detachment" ，他们应用深度学习技术，可以很好的利用超宽域眼底图像来诊断视网膜脱离症状。
视网膜脱离（RRD）是非常严重的症状，它可以引起失明。 然而，如果及时采取适当的治疗，可以极高的治愈这种症状。 因此，视网膜脱离（RRD）的早期诊断和治疗至关重要。
在本研究中，研究者应用一种机器学习技术--深度学习，利用超宽域眼底图像检测视网膜脱离（RRD），并对其性能进行了研究。 本研究共使用来自407名视网膜脱离（RRD）患者的411张图像，其中329张用于训练，82张用于评测。同时使用238名非视网膜脱离（RRD）患者的420张图像，其中336张用于训练，84张用于评测。
结果他们发现，深度学习模型具有97.6％的高灵敏度（95％置信区间（CI），94.2-100％]和96.5％的高特异性（95％CI，90.2-100％），曲线下面积为 0.988（95％CI，0.981-0.995）。 因此，他们认为，深度学习模型可以通过使用超宽域眼底图像来准确诊断视网膜脱离（RRD），从而改善偏远地区的眼科诊所的医疗护理条件。其深远意义是视网膜脱离（RRD）的早期诊断可以预防失明。这项研究为眼科临床诊断提供了诸多启示，也预示着人工智能在医疗诊断领域具有广阔的应用前景。
原文出处：
Ohsugi， H.， et al.， Accuracy of deep learning， a machine-learning technology， using ultra-wide-field fundus ophthalmoscopy for detecting rhegmatogenous retinal detachment. Sci Rep， 2017. 7(1)： p. 9425.
本文系梅斯医学（MedSci）原创编译整理，转载需授权！
版权声明：
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
学习了.谢谢作者分享!
86
好好好
79
#视网膜#
52
#机器#
40
学习了.谢谢分享!
71
学习了新知识
79
学了........
71
学了........
32
谢谢分享.学习了
33
不错的文章值得学习
31