基于超声生物显微镜房角开闭状态的人工智能识别的研究

摘要：

目的 基于超声生物显微镜(UBM)图像,通过卷积神经网络(CNN)建立前房角开闭状态的自动识别方法.方法 数据集为我院及所属医联体医院采集的眼科疾病患者的UBM图像.由3名眼科医师手动分为房角开放和房角关闭两类,使用改进后的CNN VGG16模型实现前房角开闭状态的自动识别.结果 该CNN模型对前房角UBM图像的开闭状态识别准确率为0.9619,灵敏度为0.9618,AUC为0.9973.结论 基于CNN模型的前房角开闭状态的自动识别方法准确可靠,为原发性闭角型青光眼的UBM影像自动诊断奠定了实验基础.

关键词：青光眼;超声生物显微镜;人工智能;卷积神经网络

所属期刊栏目：37

在线出版日期：2022-01-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：1321-1323