基于眼底彩照的冠心病智能分类系统
摘要
目的：探索基于眼底彩照和人工智能构建冠心病智能诊断系统的可行性。方法：于2013—2014年收集广东省人民医院530例患者共2 117张眼底彩照，其中冠心病217例共909张眼底彩照。根据患者有无冠心病的情况进行标记，使用Inception-V3深度卷积神经网络训练人工智能模型，随后使用验证数据判断模型的准确率。计算深度卷积网络模型的准确性、一致率、敏感性、特异性和受试者工作特性曲线下面积(area under the curve，AUC)。结果：在2 117张眼底彩照中，1 903张用于模型训练，214张用于模型的性能评估。在测试集中，该算法的准确性为98.1%，一致率为98.6%，敏感性为100.0%，特异性为96.7%，AUC为0.988(95%CI：0.974~1.000)。结论：眼底彩照联合人工智能技术可精准判定冠心病，该模型具备较高的敏感性和特异性，但须进一步增加样本量，使用大样本量数据验证该模型，排除过拟合的可能性。
