基于YOLOv8模型辅助诊断斜肌功能异常

摘要

目的 评估使用YOLOv8模型辅助诊断斜肌功能的准确性和可行性。方法 研究收集深圳市眼科医院斜肌功能异常及正常受试者的眼底照相图片。使用YOLOv8模型进行训练，标记识别眼底照相图片的黄斑区及视盘区，定量检测黄斑中心凹-视盘中心夹角（disc-fovea angle, DFA）的大小以评估斜肌功能。结果 斜肌功能异常组与正常组受试者的性别（χ²=0.478,P=0.489）和年龄（U=35891.5,P=0.770）差异均无统计学意义。概率密度曲线结果表明斜肌功能异常组与正常组的DFA分布存在差异。YOLOv8模型针对视盘类别的识别准确率为100%,对黄斑类别的识别准确率为95%,其在不同置信度阈值下对视盘类别的识别性能优于黄斑类别（对于整体类别，在置信度0.307时，模型的F1分数最高，为0.92）。独立样本t检验、Mann-Whitney U检验、Kolmogorov-Smirnov检验和Levene's检验均表明基于YOLOv8模型识别斜肌功能异常组和正常组的DFA存在显著差异（P均<0.001）。当DFA<-17.286或DFA>6.278时，DFA分布结果属于斜肌功能异常类别的概率>80.00%。结论 应用YOLOv8模型可辅助临床评估斜肌功能。当DFA<-17.286°或DFA>6.278°时，斜肌功能异常的概率>80%。

关键词

斜肌功能 / 眼底照相 / 黄斑中心凹-视盘中心夹角 / YOLOv8模型 / 机器学习