基于迁移学习和数据增强策略构建真菌性角膜炎镰刀菌属鉴定的智能诊断系统
作者:黄光怡; 唐宁宁; 陈琦; 蓝倩倩; 蒋莉; 洪祎祎; 吕健; 李敏; 曾思明; 徐帆
更新时间:
目的:构建并评估基于迁移学习和数据增强策略的真菌性角膜炎镰刀菌属识别智能诊断模型。方法:回顾性分析。该数据集由2017年3月至2020年1月期间在广西壮族自治区人民医院眼科接受活体共聚焦显微镜检查的2157名真菌性角膜炎患者的图像构成。根据微生物培养结果对数据集进行分类。数据集分为1380个训练集、345个验证集和432个测试集。利用迁移学习网络建立了智能诊断模型。对原始数据集培训的智能诊断系统和应用数据增强策略后的增强数据集进行了比较。最后,通过计算智能诊断系统的特异性、敏感性和准确性,以及受试者工作特征曲线曲线下面积(AUC)的指标,来评估系统的诊断效率。结果:根据原始数据,集训练智能诊断系统的特异性为71.6%,敏感性为72.0%,准确性为71.8%,AUC大学为0.785(95%CI:0.742~0.828,P<0.0001)。用增强数据集训练的智能诊断系统特异性为76.6%,灵敏度为83.1%,准确率为79.9%,AUC值为0.876(95%CI:0.843~0.909,P<0.0001),提高了智能诊断系统的诊断效率。结论:真菌性角膜炎镰刀菌属智能诊断系统采用转移学习的方法构建,准确率高,实现了真菌性角膜炎病原菌镰刀菌属的智能诊断,进一步验证了在原始数据集有限的情况下,数据增强策略可以提高系统的诊断性能,该方法可用于真菌性角膜炎病原学镰刀菌属的辅助诊断。