機(jī)器智能輔助診斷眼底病變綜述docxdocx(編輯修改稿)
2025-08-14 07:34 本頁面
【文章內(nèi)容簡介】 志上Jayanthi Sivaswamy和Gopal Datt Joshi博士基于大多數(shù)糖尿病患者不能接受定期眼科護(hù)理，通常在部分視力喪失發(fā)作后診斷的原因，提出并開發(fā)了一種基于web采集、分類糖尿病患者眼底病變圖像的系統(tǒng)，預(yù)篩選系統(tǒng)來檢查患者的眼底圖像，并將有視網(wǎng)膜病變的患者信息轉(zhuǎn)交給專家并反饋給患者，這樣在很大程度上解決了專家稀缺的情況，而且它為初級保健者提供了一種低成本、有效且易于使用的篩選解決方案。此外經(jīng)本系統(tǒng)統(tǒng)計(jì)，來檢查的人當(dāng)中，80%左右的人屬于正常范圍。本設(shè)計(jì)中的創(chuàng)新點(diǎn)在于：將自動(dòng)眼底圖像分析整合到與web端攝像頭配套的眼底照片拍攝儀上，將DR患者和非DR患者按照標(biāo)準(zhǔn)進(jìn)行分類，這樣解決了大規(guī)模疾病篩查中眾所周知的挑戰(zhàn)，自動(dòng)質(zhì)量評估模塊確保轉(zhuǎn)移符合分級標(biāo)準(zhǔn)的眼底圖像。此外，這是一個(gè)易于使用的界面，具有新的可視化功能，專為案例審查而設(shè)計(jì)，還能收集各種關(guān)于DR患者的眼底圖片，這樣在方便患者和減輕專家工作壓力的同時(shí)，還有助于后期對DR自動(dòng)識別診斷的研究。③ 2013 美國新澤西州醫(yī)學(xué)與牙科大學(xué)眼科與視覺科學(xué)研究所Anton M Kolomeyer等人，就眼底熒光造影（FAF）對于檢測糖尿病視網(wǎng)膜病變的效果是否受彩色眼底照片的影響做了相關(guān)的實(shí)驗(yàn)，并發(fā)現(xiàn)微動(dòng)脈瘤和脈絡(luò)膜視網(wǎng)膜瘢痕在FAF圖像上更容易看到。硬滲出物、視網(wǎng)膜前出血和纖維化、黃斑水腫和Hollenhorst斑塊在彩色照片上更容易識別。因此，作為彩色眼底成像技術(shù)的FAF成像在眼底病篩查中檢測糖尿病視網(wǎng)膜病變有進(jìn)一步研究的價(jià)值。④ 2016 在糖尿病科學(xué)與技術(shù)雜志上Malavika Bhaskaranand和Chaithanya Ramachandra等人，對糖尿病性視網(wǎng)膜病變（DR）自動(dòng)篩查分析提出了一種新的思路，他們對患者的眼底圖像進(jìn)行整理并按像素分類整理，把像素較低（影響臨床診斷）的圖像暫時(shí)擱置，對像素較好的圖像進(jìn)行增強(qiáng)處理（主要是增強(qiáng)血管、出血、棉花斑點(diǎn)、微脈瘤和黃斑水腫等特征），在去除邊界干擾及噪聲后使用監(jiān)測工具對各特征像素點(diǎn)進(jìn)行監(jiān)測并進(jìn)行標(biāo)記和排定，利用一組特征描述符（多尺度中值濾波器組描述符，定向中值濾波器組描述符和其他建立的描述符）來描述由各個(gè)特征區(qū)域檢測器識別的像素（其允許在多個(gè)尺度上進(jìn)行本地描述）。 使用綜合監(jiān)督學(xué)習(xí)分類器對所計(jì)算的像素描述符進(jìn)行分類，以獲得描述屬于MA（微脈瘤）的像素的置信度的判定統(tǒng)計(jì)，并用監(jiān)督學(xué)習(xí)分類器分析雜交后的像素，用于鑒定微脈瘤，出血，硬滲出物，棉花斑點(diǎn)，黃斑水腫和新生血管形成。這樣分類后的結(jié)果可達(dá)到90%的靈敏度和90%的特異性。也因此使用他們提出的自動(dòng)化DR（糖尿病性視網(wǎng)膜病變）篩選和監(jiān)測工具可以大大降低衛(wèi)生保健系統(tǒng)的負(fù)擔(dān)，同時(shí)為糖尿病患者提供更好的護(hù)理。將近年來的機(jī)器學(xué)習(xí)方法應(yīng)用于眼底病變研究成果統(tǒng)計(jì)如下：表2 機(jī)器學(xué)習(xí)應(yīng)用于眼底病變（糖尿?。┰\斷研究統(tǒng)計(jì)表年份研究者診斷內(nèi)容準(zhǔn)確率方法數(shù)據(jù)來源2008Acharya和Lim等人不同程度糖尿病視網(wǎng)膜病變檢測（Normal，Mild DR，Moderate DR,Severe DR,PDR）平均敏感度：82%平均特異性：86%用形態(tài)學(xué)處理的方法增強(qiáng)圖像，提取圖像中的一些特征（血管、微量血液、滲出物和出血）加以篩選后輸入SVM分類器進(jìn)行分類識別331幅五種像素為256x256的不同程度糖尿病患者視網(wǎng)膜圖片，其中：Normal：62Mild DR：73Moderate DR：65Severe DR：71PDR：602011Jayanthi Sivaswamy和Gopal Datt Joshi（博士）篩選威脅性糖尿病視網(wǎng)膜病變患者平均準(zhǔn)確率超過90%利用圖像處理技術(shù)增強(qiáng)圖像，篩選并檢測是否有與DR有關(guān)的異常（微動(dòng)脈瘤，硬/軟滲出物和出血等），若有則記錄并保存并同時(shí)向?qū)＜液突颊甙l(fā)出反饋119例糖尿病患者的臨床試驗(yàn)，其中36例正常，33例輕度，23例中度，9例重度，3例PDR，15例黃斑水腫2014Saima Waseem黃斑病變（玻璃疣和滲出物）平均準(zhǔn)確率：92%預(yù)處理（增強(qiáng)圖像、去燥）后的第一階段檢測圖像中的所有亮像素。從檢測到的區(qū)域中刪除可疑像素；在第二階段，明亮區(qū)域通過支持向量機(jī)（SVM）分類出玻璃疣和滲出物數(shù)據(jù)集為STARE的公開可用數(shù)據(jù)集，包含大小為700X605的123張圖像，60幅圖像與黃斑病變相關(guān)，63幅圖像為糖尿病性視網(wǎng)膜病變。2016Malavika Bhaskaranand和Chaithanya Ramachandra糖尿病性視網(wǎng)膜病變（DR）平均靈敏度：90%平均特異性：%在增強(qiáng)圖像去除邊界干擾及噪聲后使用監(jiān)測工具對各特征像素點(diǎn)進(jìn)行監(jiān)測并進(jìn)行標(biāo)記和排定，利用一組特征描述符來描述由各個(gè)特征區(qū)域檢測器識別的像素使用綜合監(jiān)督學(xué)習(xí)分類器對所計(jì)算的像素描述符進(jìn)行分類5084名糖尿病患者的40542張圖像的數(shù)據(jù)集，像素從200萬到1500萬2016 Nanayakkara和N. D Kodikara滲出液和微脈動(dòng)瘤平均準(zhǔn)確率：85%用MATLAB預(yù)處理眼底圖像，提取出滲出液或微脈瘤等用于檢測異常階段，使用統(tǒng)計(jì)模型將這些提取的特征轉(zhuǎn)化為基于區(qū)域的統(tǒng)計(jì)數(shù)據(jù)，并將輸出值發(fā)送給ANN100名患者組成，包括四類（健康，輕度，中度和重度）患者的眼底圖像2016Navkiran Kaur視網(wǎng)膜眼底圖像的紅色病變（也叫出血）平均敏感度：%平均特異性：%平均準(zhǔn)確率：
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號-1