TY -的A2 -胡,我非盟-王,小玲AU - Ji, Zexuan AU - Ma,肖盟——张Ziyue盟——咦,Zuohuizi AU -郑,红煤AU -风扇,温家宝盟——陈,长征PY - 2021 DA - 2021/09/09 TI -自动分级的糖尿病性视网膜病变Ultra-Widefield荧光素血管造影和深度学习SP - 2611250六世- 2021 AB - 目的。本研究的目的是建立诊断技术自动级的严重性根据缺血性糖尿病性视网膜病变(DR)指数和泄漏指数与ultra-widefield荧光素血管造影(UWFA)和早期治疗糖尿病视网膜病变的研究(ETDRS) 7-standard字段(7-SF)。 方法。这是一个横断面研究。UWFA 280糖尿病患者和119名正常患者的样本被用来训练和测试一个人工智能模型区分PDR NPDR基于缺血性指数和泄漏与UWFA指数。视网膜专家小组决定的地面实况数据之前设置实验。混淆矩阵作为指标是用来测量精度的算法,并设计实现了一个简单的线性回归函数探索博士成绩上的索引的歧视。此外,该模型与模拟7-SF测试。 结果。博士的模型分类原始UWFA图像实现模拟的准确性和73.68%的准确率88.50% 7-SF图像。简单线性回归函数表明,有一个重要的缺血性指标和泄漏指标之间的关系和博士的严重程度这两个阈值被设置为博士的等级进行分类,取得了76.8%的准确率。 结论。的优化循环生成对抗网络(CycleGAN)和卷积神经网络(CNN)模型分类器实现分级基于博士缺血性指数和泄漏指数UWFA和模拟7-SF提供准确的推理结果。分类精度与UWFA略高于模拟7-SF。SN - 2314 - 6745 UR - https://doi.org/10.1155/2021/2611250 - 10.1155 / 2021/2611250摩根富林明糖尿病研究杂志》的PB - Hindawi KW - ER