睑板腺缺失面积的图像深度处理分析研究

发布时间：2021-08-25 05:57

　　目的探讨睑板腺图像深度处理分析方法的临床应用价值。方法诊断评价研究。采集2017年1月至2018年12月就诊于武汉大学人民医院眼科中心年龄（40.03±11.46）岁的干眼患者的2 304幅睑板腺图像构建睑板腺图像数据库,由2名临床医师对图像进行标记,利用深度学习算法建立模型,检测模型对睑板腺识别及标注的准确性并计算睑板腺缺失率。采用平均精度均值（mAP）及验证集损失值评价模型对特征区域识别的准确性。并随机选取64幅数据库以外的睑板腺图像,由7名受试医师独立评估后与模型评估结果进行统计性t检验。结果模型对睑结膜进行标记的mAP>0.976,验证集损失值<0.35;对睑板腺标记的mAP>0.922,验证集损失值<1.0。模型标记的睑板腺比例为53.24%±11.09%,人工标记为52.13%±13.38%,差异无统计学意义（t=1.935,P>0.05）。模型评价每幅图像仅需0.499 s,而临床医师用时平均超过10 s。结论该睑板腺图像深度处理方法可提高临床检查结果的准确性,提高诊断效率,可用于睑板腺功能障碍相关疾病的临床辅助诊断和筛查。（中华眼科杂志,2... 

【文章来源】：中华眼科杂志. 2020,56(10)北大核心CSCD

【文章页数】：6 页

【参考文献】：
期刊论文
[1]干眼的临床诊断与治疗亟待规范化和精细化[J]. 刘祖国.  中华眼科杂志. 2017 (09)
[2]睑板腺功能障碍相关检查方法比较[J]. 姚卫兰,梁庆丰,孙旭光,王宁利,LABBE Antoine.  中华眼科杂志. 2014 (04)



本文编号：3361538