尊敬的各位读者:
根据当前疫情防控要求,我馆部分原文传递服务可能会有延期,无法在24小时内提供,给您带来的不便敬请谅解!
国家工程技术图书馆
2022年11月29日
摘要: 目的:使用三维卷积神经网络(3D-CNN)算法,针对三维光学相干断层扫描(3D-OCT)图像构建深度学习模型,用于年龄相关性黄斑变性(AMD)的分类,并评估该模型的性能表现。 方法:本研究收集了2016年1月至2020年12月在汕头大学·香港中文大学联合汕... 展开 目的:使用三维卷积神经网络(3D-CNN)算法,针对三维光学相干断层扫描(3D-OCT)图像构建深度学习模型,用于年龄相关性黄斑变性(AMD)的分类,并评估该模型的性能表现。 方法:本研究收集了2016年1月至2020年12月在汕头大学·香港中文大学联合汕头国际眼科中心就诊、年龄≥45岁的患者的黄斑区3D-OCT图像和对应的眼底彩照。经过图像质量评估,我们根据AMD临床分类和年龄相关性眼病研究组的研究,将3D-OCT图像进行二分类标注:低风险的“正常、正常年龄性改变或早期AMD”和高风险的“中、晚期AMD”。本研究构建了以3D-CNN为核心的三维深度学习模型来进行AMD分类,并对模型分类表现进行评估。 结果:本研究共纳入1027人、1477眼的3D-OCT图像,患者平均年龄66.5±10.0岁;男性615人(59.9%),女性412人(40.1%);低风险(1031眼)∶高风险(446眼)=2.3∶1;1029眼(69.7%)分配至训练集,231(15.6%)眼分配至验证集,217眼(14.7%)分配至测试集。该3D深度学习模型在测试集上的AMD分类表现良好,准确率为0.935,灵敏度为0.973,特异度为0.916,F1分数为0.911,AUC达0.9888(95%CI:0.9770-1.0000)。 结论:本研究基于3D-OCT图像,使用3D-CNN算法构建了一款三维深度学习模型用于AMD分类,并取得了良好表现。 收起
系统维护,暂停服务。
根据《著作权法》“合理使用”原则,您当前的文献传递请求已超限。
如您有科学或教学任务亟需,需我馆提供文献传递服务,可由单位单位签署《图书馆馆际互借协议》说明情况,我馆将根据馆际互借的原则,为您提供更优质的服务。
《图书馆馆际互借协议》扫描件请发送至service@istic.ac.cn邮箱,《图书馆馆际互借协议》模板详见附件。
根据《著作权法》规定, NETL仅提供少量文献资源原文复制件,用户在使用过程中须遵循“合理使用”原则。
您当日的文献传递请求已超限。