Indexed by：
Abstract：
目的:探讨应用深度学习技术解决睑板腺腺体自动分割问题的效果与价值.方法:采集并筛选出193幅红外睑板腺图像构建图像数据库,由3名临床医师对图像进行人工标记;引入UNet++网络与自动数据增广策略构建睑板腺腺体自动分割模型,采用精确率、敏感性、特异性、准确率和交并比分析该模型的可行性与有效性.结果:以人工标注结果为金标准,基于UNet++的睑板腺腺体自动分割模型取得94.31％的准确率,敏感性、特异性分别为82.15％和96.13％,腺体分割表现具有较好的稳定性,模型处理单张图像的平均用时仅为0.11s.结论:引入深度学习技术实现睑板腺腺体的自动分割,具有良好的准确性、稳定性和高效性,可服务于睑板腺功能障碍患者腺体形态参数的计算,辅助相关疾病的临床诊断和筛查,提高诊断效率.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
国际眼科杂志
ISSN： 1672-5123
CN： 61-1419/R
Year： 2022
Issue： 7
Volume： 22
Page： 1191-1194
0 . 0 0 0
JCR@2010
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count： -1
Chinese Cited Count：
30 Days PV： 1
Affiliated Colleges：
