AI睑板腺评估模型

多中心验证高效客观

该模型实现了睑板腺的自动化分割与定量评估,在保持高精度的同时,提供了标准化、可重复且客观的影像分析方法,优于传统算法并适用于多中心临床场景。

Xiao, Kunhong · Kunfeng, Lai · 林嘉雯 · Ge, Zongyuan · 梁凌毅 · 何明光 · Ying, Xue · Zhu, Zhuoting

npj Digital Medicine 2025

参数信息

分割IoU
81.67 %
分割准确率
97.49 %
AI与人工分级一致性
0.93
AI与人工计数相关性
0.9334
外部队列AUC
0.99

技术优势

分割精度高

模型在测试集上IoU达81.67%,准确率97.49%,均优于传统算法,可直接用于临床图像分析。

与专家高度一致

AI自动分级与人工分级Kappa=0.93,腺体计数Spearman r=0.9334,接近专家水平。

多中心泛化强

在四个独立中心的外部验证中AUC均超过0.99,证明模型在不同人群和设备间稳健。

应用场景