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