手机知网 App
24小时专家级知识服务
打 开
眼科与耳鼻咽喉科
基于深度学习的多模态眼科图像回归预测
青光眼是世界第二大致盲性眼病,视网膜神经纤维层(RNFL)缺损是诊断青光眼的重要特征。在临床应用中主要采用光学相干断层扫描(OCT)测量RNFL厚度。然而在我国的多数中小型医院和体检中心,只有眼底照相机而不具备OCT设备。因此利用眼底照和OCT的多模态数据,设计了一种基于眼底照来预测RNFL厚度的深度残差回归神经网络。该网络通过眼底照中的局部区域信息预测此区域的RNFL厚度,并对视盘外围一周范围内的RNFL厚度给出全面的刻画。在一个来自北京同仁医院的真实数据集上的实验结果显示,本文算法预测的RNFL厚度值与OCT测量值具有高度的一致性(对于正常眼平均绝对误差E_(MA)=14.884,Pearson相关系数r=0.885,决定系数R~2=0.781;对于青光眼E_(MA)=15.108,r=0.872,R~2=0.754)。评估结果表明所提方法对基于眼底照预测RNFL厚度具有良好的临床实用性。
0 95
手机阅读本文
下载APP 手机查看本文
北京化工大学学报(自然科学版)
2021年03期
相似文献
图书推荐
相关工具书

搜 索