学术研究
多种深度学习模型用于角膜炎六分类诊断的比较研究
研究团队使用3797张裂隙灯图像，训练并对比了CNN、Transformer、自监督和视觉-语言模型在六类角膜炎（正常角膜、细菌性、真菌性、病毒性、棘阿米巴性及非感染性）分类中的表现。RegNet在图像级准确率达76.8%，EfficientNet_B0在患者级准确率为77.5%。在240张测试图上，RegNet准确率75.4%，高于资深角膜专科医生（72.7%）、初级角膜专科医生（56.3%）和初级综合眼科医生（44.4%）。研究指出模型尚不能替代医生独立诊断，需外部及前瞻性验证。
#人工智能#角膜炎#深度学习
PubMed Ophthalmology