您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览62 | 下载2

目的:评估基于注意力机制的深度学习网络模型——“慧眼糖网”模型在自然人群和糖尿病人群中筛查糖尿病视网膜病变(DR)的效能,以及分别应用单方位及两方位眼底照相的筛查效能。方法:为横断面调查。自2016年12月至2017年6月,采取分层多阶段整群抽样的方法从全国8省共10个地区6个不同民族的18至70岁常住居民中选择代表性样本作为研究对象,共纳入8 948名参与者的17 118张眼底图像至“慧眼糖网”系统进行评分。以DR早期治疗研究(ETDRS)评分系统作为诊断DR的金标准对眼底图像进行分级。以“需转诊的DR(ETDRS>31)”作为参考变量,绘制受试者工作特征(ROC)曲线,评价“慧眼糖网”的曲线下面积(AUC)、灵敏度、特异度,确定该系统的筛查效能。结果:基于每位受试者,在自然人群中,使用“慧眼糖网”单方位眼底照相筛查“需转诊的DR”的AUC为0.941,灵敏度和特异度分别为98.15

作者:杜紫薇;柳江;胡浩;杨楠;温良;王凤华;王蓓;袁扬;孙子林

来源:中华糖尿病杂志 2021 年 13卷 12期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:62 | 下载:2
作者:
杜紫薇;柳江;胡浩;杨楠;温良;王凤华;王蓓;袁扬;孙子林
来源:
中华糖尿病杂志 2021 年 13卷 12期
标签:
糖尿病视网膜病变 人工智能 筛查 Diabetic retinopathy Artificial intelligence Screening
目的:评估基于注意力机制的深度学习网络模型——“慧眼糖网”模型在自然人群和糖尿病人群中筛查糖尿病视网膜病变(DR)的效能,以及分别应用单方位及两方位眼底照相的筛查效能。方法:为横断面调查。自2016年12月至2017年6月,采取分层多阶段整群抽样的方法从全国8省共10个地区6个不同民族的18至70岁常住居民中选择代表性样本作为研究对象,共纳入8 948名参与者的17 118张眼底图像至“慧眼糖网”系统进行评分。以DR早期治疗研究(ETDRS)评分系统作为诊断DR的金标准对眼底图像进行分级。以“需转诊的DR(ETDRS>31)”作为参考变量,绘制受试者工作特征(ROC)曲线,评价“慧眼糖网”的曲线下面积(AUC)、灵敏度、特异度,确定该系统的筛查效能。结果:基于每位受试者,在自然人群中,使用“慧眼糖网”单方位眼底照相筛查“需转诊的DR”的AUC为0.941,灵敏度和特异度分别为98.15