细粒度知识蒸馏模型

媲美资深眼科医生

通过细粒度知识蒸馏，该模型可提供连续、可解释的角膜染色评分，并在多中心外部验证中达到与资深眼科医生相当的准确性。

邓宇晴 · Cheng, Pujin · Ruiwen, Xu · 周世有 · Lyu, Junyan · Wang, Zhonghua · Kenneth K. Y., Wong · Yu, Kang · 张亭亭 · Hu, Xiaoqing · 唐晓颖 · Lou, Yan · 袁进

npj Digital Medicine 2025

参数信息

Pearson 相关系数（内部验证）
0.898
AUC（内部验证）
0.881
Pearson 相关系数（外部验证）
0.844-0.899
AUC（外部验证）
0.804-0.883

技术优势

识别点状病变

通过细粒度特征集成，模型能捕捉细小的点状染色，避免现有模型因标注困难而漏检。

规避平台效应

提供连续评分而非离散分级，真实反映治疗过程中的细微变化，避免“平台”效应导致的误判。

多中心可推广

在 23 家医院的外部图像上保持高相关性，并在多眼表疾病上表现稳健。

解释性强

模型评分过程可解释，使医生能理解评分依据，增强临床信任。

应用场景