学术研究
跨厂商3D OCT扫描多病种检测的域迁移AI技术
本研究开发了一种基于深度学习的模型，能够分析来自不同厂商的3D OCT扫描图像，实现多病种分类。该模型在多个中心进行了回顾性队列研究，包括来自香港和越南的眼科医院、私人眼科中心及公开在线数据库的数据。模型仅使用来自Spectralis（Heidelberg Engineering）的3D扫描进行训练，并在九个外部数据集上进行了测试，其中包括Cirrus（Zeiss）的3D扫描和Spectralis的2D扫描。研究引入了“不确定”类别以处理未见过的黄斑病变，并加入了一个分诊模块。结果显示，该模型在不同厂商的3D扫描中表现出良好的性能，AUROC范围从0.779到0.999不等，微平均PPV从56.7%到72.0%不等，所有微平均NPV均超过97.5%。研究结果表明，这种跨厂商的深度学习模型具有广泛部署于不同眼科护理环境中的潜力，有助于提高现代眼科实践中的疾病检测和分诊效率。
#AI技术#OCT扫描#多病种分类
PubMed Ophthalmology #1/2
READ