查看更多>>摘要:干眼是一种常见的发病人数众多的慢性眼病.泪膜稳态的失衡是干眼发病的核心特征,泪膜破裂时间(TBUT)测试通过检测泪膜首次破裂干燥斑评估破裂时间,作为临床常用的诊断干眼技术.目前,大多数TBUT测试图像采集设备昂贵,主观性强、操作复杂、难以推广,计算机辅助检测技术特征提取困难准确率低,无法实现实时全自动,因此建立深度学习的荧光素视频泪膜破裂时间检测成为重要的发展方向.本文提出了一种新的全自动泪膜破裂时间检测方法,取2021年3月至2022年11月中山大学中山眼科中心就诊患者高分辨率眼表荧光素泪膜破裂视频79例,通过轻量化语义分割模型对角膜区域进行分割,分析当前帧的开合状态利用,进而自动切分可用于分析的视频检测段.构建新型EvNET提取帧破裂形态特征,分类建模是否存在干燥斑,获得泪膜破裂时间.所提出的方法单帧破裂分类性能评估,测试集准确率(ACC)为0.9661,对比其他基础网络最高的F1分数(0.9734),泪膜破裂时间平均估计误差为0.041秒.此外,所提出方法在外部验证数据集与眼科医生评估之间的相关性计算为0.869.基于深度学习的泪膜破裂时间自动系统准确性可达专业眼科医生水平,显著减少了干眼症的检测时间,可为大规模干眼筛查提供便捷的方法和平台.