深度学习模型在早产儿视网膜病变自动诊断中的应用
早产儿视网膜病变(ROP)是一种影响低出生体重和早产婴儿的重要眼科疾病,可能导致不可逆的视力丧失。本研究开发了一种基于深度学习的自动化诊断系统,用于分类加号病(Plus disease)和ROP分期。该系统通过精心整理的视网膜眼底图像数据集,实现了对加号病的二分类(加号/正常)和ROP分期的多分类(0期、1期、2期、3期)。结果显示,该模型在加号病检测上的准确率为0.996,在ROP分期分类上的准确率为0.98。这些结果表明,该自动化筛查方法具有潜在的临床应用价值,能够支持及时诊断和干预,从而减少早产儿群体中的视力损害。然而,仍需多中心验证以进一步确认其临床效用。