一个基于网络的半监督深度学习平台，用于自动评估和监测感染性角膜炎

《npj Digital Medicine》：A web-based semi-supervised deep learning platform for automated AS-OCT assessment and monitoring of infectious keratitis

　　

摘要

感染性角膜炎是全球导致角膜失明的主要病因之一。准确的严重程度评估至关重要，但目前仍受限于裂隙灯检查及眼前段光学相干断层扫描检测的主观性和局限性。本研究提出了“智能定量角膜炎图像分析平台”，这是一种基于网络的深度学习系统，可通过对AS-OCT数据中的病灶进行分割、参数化处理、分层以及三维可视化，实现感染性角膜炎的自动化评估。该系统采用了结合U-Net与Swin Transformer架构的半监督模型，经过3130张AS-OCT图像的训练，能够有效应对成像伪影、对比度低、尺度差异以及不规则的病灶边界等问题。该模型在角膜组织识别方面的Dice值为0.922，在浸润性病灶识别方面的Dice值为0.834。通过极坐标系对病灶特征进行量化分析，可实现浸润层的厚度和宽度的分类，其分类准确率分别为0.802和0.905。人工智能检测结果与真实值之间的类内相关系数分别为0.961（浸润层厚度）和0.960（浸润层宽度），这一数值超过了专家间判断的一致性水平（类内相关系数范围为0.786–0.955）。通过3D角膜重建与裂隙灯图像相结合的多模型可视化技术，可实现对疾病进展的连续性解剖学监测。总体而言，该平台为感染性角膜炎的评估与监测提供了一种无创、客观且高效的方法。