Page 210 - 鼻整形技术研究

鼻整形技术研究 第九章 眼部整形美容手术
Research on Nasal Plastic Surgery Technology

一种深度学习系统（deep learning system，DLS)，可以从具有巨大信息密度的组织病
理学切片中自动检测眼睑中的恶性黑色素瘤（malignant melanoma，MM)。这项研究
使用标记的千兆像素病理整张幻灯片图像（whole slide image，WSI）来测试和设计
用于分类的模型。使用来自卷积神经网络的恶性概率，将贴片嵌入到每个 WSI 中来

产生可视化热图，并利用随机森林模型来建立 WSI 水平诊断。结果显示，模型实现
了 AUC 为 0.989（95% CI：0.989-0.991），准确度、灵敏度和特异性分别为 94.9%、
94.7% 和 95.3%。对于 WSI，获得的敏感性、特异性和准确性分别为 100%、96.5% 和
98.2%，AUC 为 0.998（95%CI：0.994-1.000）。Li 等开发了一种 AI 系统，该系统使

用更快的基于区域的卷积神经网络（fasterR-CNN）和深度学习分类网络，在普通数
码相机拍摄的摄影图像中自动定位眼睑肿瘤并区分恶性肿瘤和良性肿瘤。研究结果表
明，深度学习算法DenseNet121在眼睑恶性肿瘤的识别中表现最好，其中AUC为0.899、
灵敏度为 91.5%、特异度为 79.2%。与不同层次的眼科医生相比，该系统的敏感性高

于初级和高级眼科医生；与专家相当，而该系统的特异性低于专家。上述研究证实了
AI 技术在眼睑肿物中的临床应用前景十分可观，可以协助医生对恶行肿瘤早发现、
早诊断、早治疗，尽可能减少误诊和漏诊。
（五）眼球突出

甲状腺相关性眼病（thyroid-associated ophthalmopathy，TAO）是一种与内分泌有
关的免疫性疾病，严重时可能导致失明和眼眶畸形，早期诊断和治疗有利于控制疾病
进展，但目前缺乏可靠的筛查手段。而眼部外观的变化，包括上眼睑的内收、斜视以
及眼球的突出，对于 TAO 的诊断具有至关重要的意义。Song 等提出了 3D-ResNet 自

动检测眼眶 CT 图像中的 TAO，建立了一种有发展前景的基于 CT 扫描的 TAO 筛查
AI 模型，并在临床条件下通过了应用测试。Lin 等建立了一种深度学习系统，使用磁
共振成像（magnetic resonance imaging，MRI）检测 TAO 的活动期和非活动期。发现
深度卷积神经网络可以自动检测 MRI 图像中 TAO 的活性，并且鲁棒性强，主观判断少，

测量误差小。该系统可以规范诊断过程，加快 TAO 的治疗决策。Hanai 等开发了一种
深度神经网络，从眼眶 CT 图像中评估 Graves 眼病（graves ophthalmopathy，GO）患
者的眼外肌（extraocular muscle，EEM）肿大程度。应用于测试数据时，AUC 为 0.946，
表明深度神经网络可以有效检测 GO 患者的 EEM。Lee 等使用 288 例轻度、中度至重

度 GO 患者和健康对照的眼眶 CT 扫描来训练神经网络，用于诊断和评估 GO 的严重
程度。Huang 等使用 ResNet-50 模型基于外眼照片获得了 TAO 的自动诊断。Karlin 等
开发了一种基于外眼照片检测 TAO 的 DL 模型。一组来自临床数据库的 1944 张照片
被用于训练，另一组由 344 张附加图像组成的测试集被用于评估训练后的 DL 网络。

• 200 •