电气工程与系统科学 > 图像与视频处理
[提交于 2025年1月10日
(v1)
,最后修订 2025年1月13日 (此版本, v2)]
标题: 基于人工智能的糖尿病视网膜病变筛查:AIDRSS在印度的多中心验证
标题: AI-Driven Diabetic Retinopathy Screening: Multicentric Validation of AIDRSS in India
摘要: 目的:糖尿病视网膜病变(DR)是视力丧失的主要原因,尤其是在印度,农村地区视网膜专家的资源有限。 本研究旨在评估基于人工智能的糖尿病视网膜病变筛查系统(AIDRSS),用于DR检测和患病率评估,以解决资源有限环境中对可扩展、自动化筛查解决方案日益增长的需求。 方法:在印度加尔各答进行了一项多中心、横断面研究,涉及5,029名参与者和10,058张黄斑中心视网膜眼底图像。AIDRSS采用了一个具有5000万可训练参数的深度学习算法,并集成了对比限制自适应直方图均衡化(CLAHE)预处理以提高图像质量。 使用国际临床糖尿病视网膜病变(ICDR)量表对DR进行分级,将疾病分为五个阶段(DR0至DR4)。 统计指标包括敏感性、特异性和患病率,与专家视网膜专科医生的评估进行比较。 结果:一般人群中的DR患病率为13.7%,而在随机血糖水平升高的个体中,患病率上升至38.2%。 AIDRSS总体敏感性为92%,特异性为88%,对于可转诊DR(DR3和DR4)的检测敏感性为100%。 这些结果表明该系统在准确识别和分级多样化人群中的DR方面表现出色。 结论:AIDRSS为资源匮乏环境中的早期DR检测提供了一个可靠且可扩展的解决方案。 其集成的先进AI技术确保了高诊断准确性,有望显著减轻资源不足地区的糖尿病相关视力损失负担。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.