·智能眼科·基于机器深度学习算法的圆锥角膜智能化诊断模型研究敖弟华１，２，田熙睿１，２，马明勋３，张波３，陈敏３，彭艳丽１，４引用：敖弟华，田熙睿，马明勋，等．基于机器深度学习算法的圆锥角膜智能化诊断模型研究．国际眼科杂志２０２３；２３（２）：２９９－３０４基金项目：重庆市科学技术局技术创新与应用发展专项项目（Ｎｏ．ｃｓｔｃ２０１９ｊｓｃｘ－ｍｓｘｍＸ０１３０）作者单位：１（４１００００）中国湖南省长沙市，中南大学爱尔眼科学院；２（４０００００）中国重庆市，重庆爱尔眼科医院屈光手术科；３（４０００００）中国重庆市，中冶赛迪技术研究中心有限公司；４（４０００００）中国重庆市，重庆南坪爱尔眼科医院屈光手术科作者简介：敖弟华，女，在读硕士研究生，研究方向：屈光。通讯作者：彭艳丽，博士，主任医师，副院长，硕士研究生导师，研究方向：屈光．ｐｅｎｇｙａｎｌｉ＠ａｉｅｒｃｈｉｎａ．ｃｏｍ收稿日期：２０２２－０８－０２修回日期：２０２３－０１－１０摘要目的：通过对患者临床数据进行数据挖掘分析建立针对小直径角膜的圆锥角膜智能化诊断模型。方法：诊断性研究。共收集患者８３０例８３０眼，其中男３３８例３３８眼，女４９２例４９２眼，年龄１４～３６（平均２３．１９±５．７１）岁，其中２０２０－０１／２０２２－０３在重庆南坪爱尔眼科医院已行角膜屈光手术患者７３１例７３１眼，２０１５－０１／２０２２－０３确诊圆锥角膜患者９９例９９眼。所有患者行Ｐｅｎｔａｃａｍ角膜地形图显示角膜直径≤１１．１ｍｍ。由２位角膜科专家通过Ｐｅｎｔａｃａｍ地形图中Ｂｅｌｉｎ／Ａｍｂｒóｓｉｏ增强扩张显示（ＢＡＤ）系统将患者数据分类为正常角膜、可疑圆锥角膜、圆锥角膜。采用计算机随机采样方法随机筛选其中６６５例患者的数据作为训练集，另１６５例患者的数据作验证集。利用卷积神经网络（ＣＮＮ）提取７个角膜参数特征，分别采用残差网络（ＲｅｓＮｅｔ，ＲｅｓｉｄｕａｌＮｅｔｗｏｒｋ）、ＶｉｓｉｏｎＴｒａｎｓｆｏｒｍｅｒ（ＶｉＴ）及ＣＮＮ＋Ｔｒａｎｓｆｏｒｍｅｒ建立模型，通过交叉熵损失函数进行训练并采用样本交叉法验证模型的准确性，并采用受试者工作特征曲线评价模型的敏感度与特异度。结果：ＲｅｓＮｅｔ、ＶｉＴ和ＣＮＮ＋Ｔｒａｎｓｆｅｒｍｅｒ模型诊断正常角膜和可疑圆锥角膜的准确率分别为８５．５７％、８６．１１％和８６．５４％，受试者工作特征...
