跳转到主要内容

#筛查

3 篇

与"筛查"相关的眼科资讯

学术研究

基于深度学习的非洲裔原发性开角型青光眼筛查模型

原发性开角型青光眼（POAG）是一种导致失明的重要疾病，尤其在非洲裔人群中发病率较高。然而，现有的AI筛查模型数据集中，非洲裔人群的数据代表性不足。本研究开发了一种基于深度学习的POAG筛查模型，使用了来自Primary Open-Angle African American Glaucoma Genetics (POAAGG)项目的64,129张眼底照片，包括1782例病例和682例对照组。该模型通过二分类器选择最具信息量的六张图像，并利用Vision-Transformer预测每张图像的POAG概率，最终通过平均概率进行诊断（AUC=0.925）。该模型在REFUGE-1数据集（中国人群）上也进行了验证（AUC=0.920），显示出其在不同人群中的普适性和有效性。该模型有望在初级保健机构及资源匮乏地区实现POAG的大规模筛查。

#人工智能#青光眼#筛查
PubMed Ophthalmology #1/3
READ
学术研究

印度非眼科医生主导与AI辅助糖尿病视网膜病变筛查的实效性研究

该研究在印度农村地区评估了三种糖尿病视网膜病变（DR）筛查模式：非眼科医生主导的健康和福利中心（HWCs）筛查、基于智能手机的离线AI辅助社区筛查以及标准转诊护理。结果显示，非眼科医生主导的模型在DR检测中表现出86.4%的敏感性和94.3%的特异性，对于可转诊的DR（RDR），敏感性达到95.8%，特异性为93.1%。而离线AI辅助模型在RDR检测中的敏感性为93.3%，特异性为85.1%，但因图像质量问题导致不可分级率高达38%。研究表明，非眼科医生主导的筛查在准确性和操作可行性方面更优，而AI辅助筛查在社区使用中有潜力但需解决图像质量和技术限制。

#糖尿病视网膜病变#筛查#AI辅助诊断
PubMed Ophthalmology #2/3
READ
学术研究

手机裂隙灯 AI 筛查白内障

白内障诊断通常需医生使用裂隙灯进行散瞳检查，社区缺乏无需散瞳的便携筛查手段。本研究假设通过深度学习分析便携式手机裂隙灯原型拍摄的图像，可预测白内障严重程度。研究在三级诊所开展，采集了散瞳与未散瞳条件下的图像，并以 Pentacam 核分级评分为参考标准。这项试点研究旨在探索利用便携设备结合人工智能技术，实现客观高效的白内障社区筛查可能性，为后续技术开发提供初步依据。

#白内障#人工智能#医疗器械 +1
PubMed Ophthalmology #3/3
READ