北京联合医学院医院的首席眼科医生陈·尤克森（Chen Youxin）领导了一个跨机构研究小组，成功地开发了基于超范围内 - 远程成像成像（UWF）和深度学习技术的全景病变识别（温暖）人工智能系统。该系统可以准确地确定25个资金，并明智地提出推荐建议，为资助筛查以及分层诊断和治疗系统提供新的途径。最近，相关结果已发表在“细胞报告医学”的副研究中。 ？眼睛的基础是一个窗户，可以看到视觉健康和独特的桥梁，以了解整个身体的健康。眼底伤害造成的不可逆转的视觉损害一直是全球失明的主要原因。在人口积累和疾病谱系的复杂性的忠诚度中，缺乏人力资源的问题和视网膜专家区域的分布不均匀突出，防止有效实施基金疾病的预防和控制“早期筛查，早期诊断和早期治疗”。传统的眼底摄像头只能获得视网膜区域的15％，并且存在误导外围病变的重大风险。超宽宽的角度技术可以被更广阔的视网膜区域捕获，并覆盖了视网膜区域的82％。研究团队采用的超宽宽大技术为AI模型中的培训提供了更好的数据基础。 Chen Youxin的团队在全国范围内与26个第三级MGA医疗机构携手合作，生产了一组质量的数据，其中包含近60,000张UWF图像。基于原始的跨域研究算法，三种深入研究模型：全景病变识别（温暖），基准模型控制（基础）和与区域绩效（Warm-PPR）的比较。该模型可以准确识别25种类型的基金疾病，例如正常的眼底和视网膜Athy和视网膜脱离，并明智地根据病变特性提出了评级建议，并模仿临床筛查的决策过程。值得注意的是，识别热周围和弥漫性伤口的有效性明显优于指定的区域温暖-PPR，这表明了整个成像场的临床需求，用于底底综合筛查。 Napang Napawe请参阅紧密多中心验证中的温暖筛查性能。与主要眼科医生的比较实验还表明，尽管Manu阅读医生的电影规格很高（0.982），但敏感性仅为0.583；尽管热模型在灵敏度为0.882和特定0.846之间取得了巨大的平衡。特别是通过鉴定微病变和复杂伤口的酌处权，热模型具有明显的好处，并且高度符合疾病筛查原理。 （提供的照片北京联合医学院医院）