#超声影像

基于深度学习的视网膜脱离与玻璃体积血超声图像检测

视网膜脱离（RD）是一种严重的眼科疾病，可能导致永久性视力丧失。在伴有遮挡眼底的玻璃体积血（VH）的情况下，即使使用眼部超声检查也难以诊断RD。本研究开发了一种基于YOLOv5架构的卷积神经网络（CNN），用于B型超声图像中RD和VH的检测。模型训练使用了2,188张图像，并通过1,042张图像进行验证。通过应用包括非锐化掩模在内的图像增强技术，提高了检测准确性。最终模型在五折交叉验证下，对RD、VH及RD合并VH的检测准确率分别达到96.6%、99.2%和98.0%。该深度学习算法在眼部超声图像中检测RD和VH方面表现出高准确性，特别是在伴有遮挡眼底的VH情况下，可作为辅助工具提高诊断效果。