摘要：目的本研究旨在利用计算机视觉相关技术自动识别眼底影像中糖尿病视网膜病变(diabetic retinopathy,DR,以下简称糖网)的病变特征,开发能够用于DR筛查的计算机自动筛查系统。方法利用数学形态学和支撑向量机(support vector machine,SVM)分类技术设计出检测DR包括出血、渗出、微血管瘤等各类病变的算法,再根据DR的临床诊断标准,对眼底影像进行自动分级诊断,实现自动筛查。结果利用建立完成的糖网自动筛查系统对国际Messidor数据库进行了筛查判断,以经过专家认证的诊断结果作为判定标准。在总共1 200张眼底图中,系统的判定灵敏度(sensitivity)为93.8%,特异度(specificity)为94.5%,检测时间为9.83 s。结论基于计算机视觉算法开发的糖网自动筛查系统能准确、高效的完成眼科影像的糖网筛查工作,能大幅减少阅片医生的工作量和人为的主观性,具有很好的临床应用前景和社会效益。

摘要：为实现糖尿病视网膜病变(糖网)的自动筛查,建立了基于免散瞳眼底图像的糖网自动筛查方法。该方法包括视盘定位及提取、糖网白色病灶(硬性渗出、棉绒斑)自动检测以及微动脉瘤与视网膜内出血的自动检测。在此基础上设计并实现了基于免散瞳眼底图像的糖网自动筛查系统。利用已实现的系统对临床采集的7 687个样本共15 374幅眼底图像进行糖网自动筛查,对样本个体的检测结果为:灵敏度96.46%,特异性96.07%,平均处理时间57.87 s。测试结果表明,所构建的基于免散瞳眼底图像的糖网自动筛查系统满足英国糖尿病协会提出的糖网自动筛查标准(最低灵敏度80%,最低特异性95%)。

摘要：糖尿病视网膜病变(diabetic retinopathy,DR)是糖尿病的严重并发症,是成年人视力下降甚至致盲的主要原因之一。适当的眼底筛查方法可预防糖尿病视网膜病变的发生,有利于疾病的早期诊断和治疗,有效降低失明率。自动的眼底图像处理是糖尿病视网膜病变的一种重要初步筛查方式,不仅可以减少人为误差,也大大减轻了眼科医生的负担。本文回顾了基于视网膜眼底数码图像的糖尿病视网膜病变自动筛查方法的研究进展,讨论了文献中多种现有技术的结果和不足,展望了其研究前景和面临的挑战,为糖尿病视网膜病变自动筛查算法的设计者提供了指导。

摘要：目的:评估基于深度卷积网络(CNN)建立的胸片辅助筛选算法在辅助筛检的效果和价值,分析该技术在临床内部试用过程中的改进方向。方法:研究采用美国国家卫生研究院公开的胸片诊断数据集进行算法的设计与训练,利用2017年7月至2018年6月湖南省肿瘤医院相关患者胸片进行临床试用。筛检算法主要采用深度卷积网络对胸片进行初步分类为正常、疑似和不正常三类,由2名临床医师对以上算法得出的结果进行审查试用。结果和结论:算法可对患者胸片和健康胸片进行有效分类,通过调整分类阈值,可在有效保证算法不漏诊的基础上,大幅降低人工对正常胸片的筛检工作,为实现基于深度学习网络进行X线摄影图智能人机融合式诊疗提供参考。