新加坡科学家开发了一种利用立体眼底图像诊断青光眼的人工智能系统

科学家从南大新加坡,tank Tock恒生医院与医生合作在新加坡,已经开发出一种新方法,它使用人工智能(AI)筛查青光眼,当对接受专家检查的患者的立体眼底图像进行测试时，人工智能方法诊断青光眼的准确率达到97%。

　　

   

   

TTSH博士伦纳德Yip王教授(左)和南大新加坡Assoc脂领导一个团队开发一种新方法,利用人工智能筛查青光眼,一群眼睛疾病可以导致视力丧失通过视神经损伤和失明的眼睛。

新加坡南洋理工大学 (NTU Singapore) 的科学家与新加坡陈笃生医院 (TTSH) 的临床医生合作开发了一种新方法，该方法使用人工智能 (AI) 筛查青光眼，这是一组可导致通过损害眼睛后部的视神经导致视力丧失和失明。

 支持人工智能的方法使用算法通过分析“立体眼底图像”（视网膜的多角度 2D 图像组合形成 3D 图像）来区分患有青光眼的视神经和正常的视神经。

当对接受专家检查的 TTSH 患者的立体眼底图像进行测试时，人工智能方法在诊断青光眼方面的准确率为 97%。

 青光眼通常被称为“视力的无声小偷”，因为它通常无症状，直到后期预后不佳。它是全球不可逆转失明的主要原因，随着人口老龄化的快速增长，预计到 2040 年全球将有 1.118 亿人受到影响，而 2020 年为 7600 万[1]。

 科学家们表示，南洋理工大学和 TTSH 开发的自动青光眼诊断方法在 2021 年 6 月发表在同行评审科学杂志《方法》上的一项研究中有所描述，该方法有可能用于患者无法接触眼科医生的欠发达地区。

 该研究体现了南大的研究工作，作为其 2025 年战略计划的一部分，旨在应对人类四大挑战，其中之一是应对健康生活和老龄化的需求和挑战。

该研究的合著者、TTSH 国家医疗保健集团 (NHG) 眼科研究所青光眼服务负责人 Leonard Yip 博士说：“社区中许多青光眼患者仍未确诊，而在印度等发展中国家，未确诊病例可能超过 90%。虽然病例通常是在常规眼科检查中发现的，但由于需要专业且昂贵的设备或训练有素的专家，因此基于人群的筛查具有挑战性。手动检查单个视网膜图像的过程也很耗时，并且取决于专家的主观评价。相比之下，我们使用人工智能的方法可能更高效、更经济。”

南大电机与电子工程学院副教授、该研究的主要作者王力波说：“通过结合机器学习技术，我们的团队开发了一种筛查模型，可以从眼底图像中诊断青光眼，无需眼科医生进行各种临床测量（例如内部眼压）以进行诊断。我们强大的自动化青光眼诊断方法的易用性意味着任何医疗保健从业者都可以利用该系统来帮助进行青光眼筛查。这在与眼科医生接触较少的地理区域尤其有用。”

该团队现在正在 TTSH 拍摄的更大的患者眼底图像数据集上测试他们的算法。他们还在研究如何将该软件移植到手机应用程序中，以便在与眼底相机或手机镜头适配器结合使用时，它可以成为该领域可行的青光眼筛查工具。

这个怎么运作

 由 NTU 和 TTSH 团队开发的自动青光眼诊断系统使用一组算法来分析由两台相机从不同视点成对拍摄的立体眼底图像。这些 2D 眼底“左”和“右”图像在组合时有助于形成 3D 视图。

 科学家们说，使用两幅图像可确保如果一幅图像质量不佳，另一幅图像通常可以进行补偿，并且系统可以保持其准确的性能。

 这组算法由两个部分组成：一个深度卷积神经网络和一个注意力引导网络。前者模仿人脑的生物过程以适应学习新事物，而注意力引导网络则模仿大脑有选择地关注一些相关特征的方式——在这种情况下，是眼底图像中的视神经乳头区域。

 然后将这两个组件的输出融合在一起以生成最终预测结果。

 为了测试他们的算法，科学家们首先降低了 TTSH 患者在眼睛筛查期间拍摄的 282 张眼底图像（70 幅青光眼病例和 212 幅健康病例）的分辨率，然后用 70% 的数据集训练算法。

 为了生成更多的训练样本，科学家们还应用了图像增强——一种涉及应用随机但真实的变换（如图像旋转）的技术，以增加用于训练算法的数据集的多样性，从而提高算法的分类精度。

基于人工智能的筛选方法达到 97% 的准确率

  联合研究小组随后在其余 30% 的患者图像上测试了他们的筛查方法，发现它在正确识别青光眼病例方面的准确率为 97%，并且灵敏度（在所有阳性青光眼患者中正确分类的病例比例） 案例) 95%——高于在研究期间也试用的其他最先进的基于深度学习的方法，这产生了 69% 到 89% 的灵敏度。

  科学家们还发现，使用一对立体眼底图像提高了筛查系统的灵敏度。 当使用单个眼底图像时，算法的灵敏度较低，为 85% 至 86%。

DOI

10.1016 / j.ymeth.2021.06.010