深入学习系统的开发和验证糖尿病视网膜病变及相关眼病使用视网膜图像从多民族人口患有糖尿病

问题如何深入学习系统(DLS)使用人工智能与人类年级专业确定糖尿病视网膜病变及相关眼病从多民族人口糖尿病患者使用视网膜图像吗?

发现在初选中验证数据集(71 896图像; 14 880名患者),DLS的敏感性为90.5%,特异性为91.6%检测可参考的糖尿病性视网膜病变;为该人群糖尿病性视网膜病变的敏感性100%,特异性91.1%;敏感性96.4%,特异性87.2%可能青光眼;88.7%和93.2%的敏感性和特异性,年龄相关性黄斑变性与专业年级的。

意义DLS有高灵敏度和特异性识别糖尿病视网膜病变及相关眼病使用视网膜图像从多民族人口患有糖尿病。

重要性深入学习系统(DLS)是一个机器学习技术与潜在筛查糖尿病视网膜病变和相关的眼部疾病。

客观的评估DLS的性能检测可参考的糖尿病性视网膜病变,该人群糖尿病性视网膜病变、青光眼,和年龄相关性黄斑变性(AMD)在社区或在诊所多民族人口患有糖尿病。

设计,设定和参与者DLS对糖尿病性视网膜病变的诊断性能和相关眼病是评估使用494 661视网膜图像。的DLS训练检测糖尿病性视网膜病变(使用76 370图像),可能的青光眼(125 189图像),和AMD(72 610的图片),和性能的DLS评估检测糖尿病性视网膜病变(使用112 648图像),可能的青光眼(71 896图像),和AMD(35 948图片)。DLS完成于2016年5月,训练和验证DLS于2017年5月完成的检测可参考的糖尿病性视网膜病变(中度nonproliferative糖尿病性视网膜病变或更糟),该人群糖尿病性视网膜病变(严重nonproliferative糖尿病性视网膜病变或更糟)使用一个主要验证数据集在新加坡国家糖尿病视网膜病变筛查项目和10多组糖尿病患者。

曝光深入学习系统的使用。

主要结果和措施接受者操作特征曲线下面积(AUC)和DLS专业年级的敏感性和特异性(视网膜专家,一般的眼科医生,训练有素的年级,或验光师)作为参考标准。

结果在主要的验证数据集(n = 14 880例;71 896图像;平均(SD)的年龄,60.2(2.2)年;54.6%的男性),可参考的糖尿病性视网膜病变的患病率是3.0%;该人群糖尿病性视网膜病变,0.6%;可能的青光眼,0.1%;和AMD, 2.5%。DLS的AUC为可交付的糖尿病性视网膜病变为0.936 (95% CI, 0.925 - -0.943),灵敏度为90.5%(95%可信区间,87.3% -93.0%),和特异性为91.6%(95%可信区间,91.0% -92.2%)。对该人群糖尿病性视网膜病变,AUC是0.958 (95% CI, 0.956 - -0.961),灵敏度为100%(95%可信区间,94.1% -100.0%),和特异性为91.1%(95%可信区间,90.7% -91.4%)。可能的青光眼,AUC为0.942 (95% CI, 0.929 - -0.954),灵敏度为96.4%(95%可信区间,81.7% -99.9%),和特异性为87.2%(95%可信区间,86.8% -87.5%)。 For AMD, AUC was 0.931 (95% CI, 0.928-0.935), sensitivity was 93.2% (95% CI, 91.1%-99.8%), and specificity was 88.7% (95% CI, 88.3%-89.0%). For referable diabetic retinopathy in the 10 additional datasets, AUC range was 0.889 to 0.983 (n = 40 752 images).

结论和意义在这个评价视网膜图像从多民族人群的糖尿病患者,DLS有高灵敏度和特异性识别糖尿病视网膜病变和相关的眼部疾病。进一步的研究是必要的评估的适用性DLS在卫生保健机构和DLS的效用,提高视觉效果。

预计到2040年,大约有6亿人患有糖尿病,预计三分之一的糖尿病性视网膜病变。^{1- - - - - -3}糖尿病性视网膜病变筛查,加上及时转诊和治疗,是预防失明的一个普遍接受的策略。²然而,项目筛选糖尿病性视网膜病变是挑战与实现相关的问题,人类评估的可用性,和长期的财务可持续性。^{2,4- - - - - -7}

深入学习系统(DLS)使用人工智能和代表性的学习方法来处理大型数据和提取有意义的模式。^8,9几个dls最近显示高敏感性和特异性(> 90%)的检测可参考的糖尿病性视网膜病变视网膜照片,主要是使用高品质的图像从白色的同质人口个人公开可用的数据库。^{10- - - - - -12}DLS在糖尿病性视网膜病变筛查的性能应该被评估在临床或人口设置从患者视网膜图像的不同人种和种族(因此不同手艺人色素)有不同的品质(例如,由于贫穷的瞳孔放大,媒体透明度,可怜的对比或集中)。^13,14此外,在糖尿病性视网膜病变筛查项目,偶然的发现,但有关该眼疾,如青光眼和年龄相关性黄斑变性(AMD),应结合临床因为缺少这种情况下是不可接受的。¹⁵

本研究的主要目的是训练和验证DLS检测可参考的糖尿病性视网膜病变,该人群糖尿病性视网膜病变,及相关眼病(可参考的青光眼和可交付的AMD)通过评估糖尿病患者视网膜图像的获得主要来自在一个正在进行的以社区为基础的国家糖尿病视网膜病变筛查计划在新加坡,与进一步的外部验证可参考的糖尿病性视网膜病变在10个额外多数据集来自不同国家与不同的社区,或在诊所人口患有糖尿病。二级目标是确定DLS可以适应2潜在的糖尿病性视网膜病变筛查模型完全自动化模型社区没有现有的检查项目和半自动的模型中可参考的情况下从DLS由人类年级进行二次评估。

本研究集中的机构审查委员会批准的SingHealth (IRB),新加坡(协议超高频/ FG648S / 2015),按照《赫尔辛基宣言》。万博manbetx平台首页种族/民族收集评估信息的一致性DLS跨人种/种族的诊断性能。患者的知情同意免除了IRB的回顾性研究中使用完全匿名的视网膜图像的性质。

可参考的糖尿病性视网膜病变的DLS是发达国家和训练使用糖尿病患者的视网膜图像参与正在进行的新加坡国家糖尿病视网膜病变筛查项目(SIDRP)在2010年和2013年之间(SIDRP 2010 - 2013;表1和表2)。建立SIDRP从2010年开始,逐步覆盖所有18个初级保健诊所在新加坡,和筛选糖尿病人口到2015年的一半。¹⁶视网膜SIDRP使用数码摄影,tele-ophthalmology平台,糖尿病性视网膜病变的评估由训练有素的专业年级的。对于每一个病人,2视网膜照片(视神经盘和凹)拍摄的每只眼睛。所有年级的训练收到前3到6个月的培训认证和接受年度reaccreditation。专门为这项研究中,在训练集(SIDRP 2010 - 2013),分析了每个视网膜图像2培训高级注册非医学专业年级(> 5年经验)¹⁷;如果有不一致的研究结果之间的非医学专业年级,仲裁是由视网膜专家(PhD-trained > 5年进行糖尿病性视网膜病变的经验评估)来生成最终的评分。

可参考的可能的青光眼和AMD的DLS被训练使用图像从SIDRP 2010 - 2013和几个额外的人口-或在诊所的研究青光眼患者和AMD (表1;eTable 1补充)。^{17- - - - - -20.,22,23,25- - - - - -29日}

DLS由卷积神经网络的隐式识别可参考的糖尿病性视网膜病变的特点,可能的青光眼,AMD的出现在视网膜图像。训练多个DLS继承暴露的视网膜图像的例子(有或没有每个3条件)的神经网络,使网络逐渐适应自己的体重参数模型和区分的条件。一旦训练完成,DLS可以用来分类不可见的图像。技术细节eFigure 1所示补充。

验证数据集描述的细节表1。糖尿病性视网膜病变,主要验证数据集是相同的SIDRP患者中见过2014年和2015年之间(SIDRP 2014 - 2015)。主要分析是确定DLS相当于或优于2训练的高级非医学专业年级(> 5年经验)目前受雇于SIDRP检测可参考的糖尿病性视网膜病变和该人群糖尿病性视网膜病变,视网膜专家参照(> 5年的工作经验在糖尿病性视网膜病变评分)。

DLS当时外部验证使用10个额外多民族群患有糖尿病的参与者从不同的设置(社区,以人群为基础的,或在诊所)。一系列视网膜相机使用,和评估促进了糖尿病视网膜病变视网膜专家,一般的眼科医生,训练的非医学专业年级,或验光师在军团(表1)。所有视网膜图像捕获了JPEG压缩格式(5 - 7像素决议,除了眼睛的图像在西班牙裔群体(< 1像素])。

广东:5非医学联合Kingdom-certified专业年级(> 2年经验),监督1视网膜专家(> 10年经验)。新加坡马来眼研究中,新加坡印度眼科研究,中国和新加坡眼研究:1认证专业高级年级(> 7年经验),由高级视网膜专家2名来自澳大利亚监管(> 15年经验)。北京眼科研究:4中国执照眼科医生(> 5年的经验),由2视网膜专家监督(> 20年经验)。非裔美国人眼睛研究:2视网膜专家(> 5年的工作经验)。皇家维多利亚时代的眼和耳医院:4年级专业高级(> 7年经验)。墨西哥研究:2视网膜专家(> 5年的工作经验)。香港中文大学:3视网膜专家(> 6年经验)。香港大学:6验光师(> 4年经验)。新加坡国家眼科中心青光眼研究:3青光眼专家(> 5年的工作经验)。新加坡国家眼科中心AMD表现型研究:10视网膜专家(> 5年的工作经验)。

糖尿病性视网膜病变水平从所有视网膜图像使用国际分类定义的糖尿病性视网膜病变。^30.可参考的糖尿病性视网膜病变被定义为糖尿病性视网膜病变严重程度水平的适度nonproliferative糖尿病视网膜病变或更糟的是,糖尿病黄斑水肿,和/或ungradable形象。该人群糖尿病视网膜病变被定义为严重nonproliferative糖尿病视网膜病变和增生性糖尿病性视网膜病变。糖尿病黄斑水肿是评估目前如果硬分泌物检测到的后极部视网膜图像。如果有超过三分之一的照片是模糊的,它被认为是ungradable和个人被认为是可参考的。可参考的青光眼可能是定义为一个垂直杯盘比直径0.8或更高版本,焦变薄或切口neuroretinal rim,视神经盘出血,或局部视网膜神经纤维层defects-features有时被称为青光眼嫌疑犯。可参考的AMD被定义为中间AMD的存在(许多中型脉络膜小疣,1大点≥125μm最大线性直径,非中心地理萎缩,和/或先进AMD[中央地理萎缩或新生血管性AMD])根据年龄相关性眼病研究分级系统。^31日

为主要验证数据集(SIDRP 2014 - 2015),参考标准由视网膜专家评分(> 5年进行糖尿病性视网膜病变的经验评估)谁是蒙面的分级训练的非医学专业年级的。对于所有其他视网膜图像从10外部验证数据集,参考标准是基于单个研究的糖尿病性视网膜病变的评估是基于视网膜专家,一般的眼科医生,训练有素的非医学专业年级,或验光师(表1)。识别可参考的糖尿病性视网膜病变的DLS性能在10外部验证数据集比较反对这些参考标准。可参考的分析可能的青光眼和可交付的AMD,参考标准是视网膜专家(表1)。

最初曲线下的面积(AUC)接受者操作特征(ROC)曲线的DLS计算训练数据集的SIDRP 2010 - 2013在一系列分类阈值,和一个被选中,实现预定的最优检测可参考的糖尿病性视网膜病变的敏感性90%,该人群糖尿病视网膜病变、青光眼可参考的可能,可参考的AMD。糖尿病性视网膜病变筛查、国际指南推荐的最小灵敏度为60%(澳大利亚)到80%(联合王国)。^32,33在新加坡,DLS敏感性是预设在90%的基础上,训练有素的专业年级的过去的表现和标准由卫生部、新加坡。假设确定是DLS至少堪比专业年级的表现。

主要分析是评估的性能DLS的设置进行SIDRP 2014 - 2015(主要验证集)通过确定DLS是否相当于或优于专业年级的筛选程序。因此,AUC,敏感性和特异性检测DLS vs专业年级的可参考的糖尿病性视网膜病变和该人群糖尿病性视网膜病变是计算参考标准(视网膜专家)individual-eye水平。

接下来,以下子公司分析:(1)分析重复扣除病人出现在SIDRP 2010 - 2013训练集和SIDRP 2014 - 2015的主要验证组(n = 6291 SIDRP见过不止一次),病人视为有可参考的糖尿病性视网膜病变如果眼睛有可参考的糖尿病性视网膜病变;(2)DLS的性能是评价使用更高质量的图像,没有媒体透明度(如白内障)指出由专业年级;(3)AUC子组计算分层按年龄,性别,和血糖控制;和(4)分析重复计算AUC,敏感性,特异性的DLS、整合和不和谐的眼睛的比例在10外部验证数据集,而这些研究的参考标准(视网膜专家,一般的眼科医生,训练有素的年级,或验光师;表1)。

DLS性能评估在AMD检测可参考的可能的青光眼和引用的,参照视网膜专家,使用主要验证数据集(SIDRP 2014 - 2015)。

次要目标,考试的DLS可以适应2潜在的糖尿病性视网膜病变筛查模型进行:社区的完全自动化的模型没有现有的筛查项目,与半自动的模型中可参考的情况下由人类graders-a DLS的二级评估方法目前使用在一些社区和国家(如美国、英国和新加坡)(eFigure 2的补充)。^{32- - - - - -35}分析,在完全自动化的模型中,眼睛被认为是可参考的,如果任何一个3条件(可参考的糖尿病性视网膜病变、青光眼可参考的可能或可交付的AMD)。半自动的模型中,眼睛由DLS列为可参考的进行二次评估由训练有素的专业年级在必要时重新分类的眼睛。半自动的模型,评价了图片的比例要求的二级评估时预设定DLS灵敏度阈值为90%,95%和99%的检测可交付的状态。

Cluster-bootstrap biased-corrected,渐近95%双向CIs调整聚类的患者比例计算并提出了敏感性,特异性和AUC,分别。在一些特殊情况下灵敏度估计在100%的边界,确切的Clopper-Pearson方法用来获取可信区间估计。³⁶

假设测试都是双向的,P小于0。被认为是具有统计学意义的价值。没有调整为多个比较了,因为这项研究是局限于少量的计划比较。所有分析使用占据版本14 (StataCorp)。

从661年494 视网膜图像,检测的DLS训练可参考的糖尿病性视网膜病变(使用76 370图像),可参考的可能的青光眼(使用125 189图像),和可交付的AMD(使用72 610图片);DLS的性能评估使用112 648图片可参考的糖尿病性视网膜病变的检测,71 896图片可参考的青光眼,和35 948图片可参考的AMD。所有图片都是组装2016年1月至2017年3月(表1),DLS培训完成于2016年5月,和验证是在2017年5月完成。76 370图像中训练数据集,11.7%证明任何糖尿病视网膜病变,糖尿病性视网膜病变的5.3%,该人群糖尿病性视网膜病变的1.5%。主要验证数据集,估计有8.0%糖尿病视网膜病变,糖尿病性视网膜病变的3.0%,0.6%,该人群糖尿病性视网膜病变(n = 71 896图像)。在10外部验证数据集,估计35.3%的糖尿病性视网膜病变,糖尿病性视网膜病变的15.4%,3.4%,该人群糖尿病性视网膜病变(n = 752 图像;表2)。可能的青光眼,2630(1907眼)被认为是可参考的图片;AMD 2900(1017眼)被认为是可参考的图片(eTable 1的补充)。

整个病人人口统计,糖尿病史,和系统性风险因素中列出的培训和验证数据集表3(SIDRP 2010 - 2013和SIDRP 2014 - 2015,主要验证集)和eTable 2补充可参考的糖尿病性视网膜病变(10外部验证数据集和训练数据集可参考的青光眼和可交付的AMD)。

的诊断性能DLS比训练有素的专业年级,都与视网膜专家参考标准使用这个主要验证数据集,所示表4。DLS的AUC是0.936可参考的糖尿病性视网膜病变为0.958,该人群糖尿病性视网膜病变(图1)。DLS探测可参考的糖尿病性视网膜病变的敏感度相当与训练有素的年级(90.5% vs 91.1%;P= .68点),虽然年级学生有更高的特异性(91.6% vs 99.3%;P<措施)(表4;图1)。对该人群糖尿病性视网膜病变,DLS有更高的敏感性而训练有素的年级(100% vs 88.5%;P<措施),但特异性较低(91.1% vs 99.6%;P<措施)。眼睛中可参考的糖尿病性视网膜病变,糖尿病性黄斑水肿的敏感性专业年级DLS的92.1%和98.2%。

五个辅助分析。第一,8589年DLS显示类似的诊断性能独特的病人SIDRP 2014 - 2015(没有重叠与训练集)作为主要的分析(eTable 3补充)。其次,在97.4%的眼睛的一个子集35 (n = 055)的视网膜图像质量(没有媒体透明度),可参考的糖尿病性视网膜病变的AUC的DLS增加到0.949 (95% CI, 0.940 - -0.957);对该人群糖尿病性视网膜病变,它增加到0.970 (0.968 - -0.973)。第三,DLS显示类似的性能在不同的子组的患者按年龄分层,性,和血糖控制(图2)。

第四,DLS显示临床可接受的性能(可参考的糖尿病性视网膜病变敏感性≥90%)对多民族人口不同的社区,诊所,和设置(表5)。在10外部验证数据集,可参考的糖尿病性视网膜病变的AUC从0.889到0.983不等。DLS显示临床可接受的auc大于0.90为不同的相机(如FundusVue、佳能、Topcon和卡尔蔡司)。大多数数据集(除了新加坡中文、马来和印度患者)有80%以上DLS之间的一致性和训练有素的专业年级,超过91%的敏感性眼睛视网膜专家列为可参考的,一般的眼科医生,训练有素的年级或验光师(表5)。

第五,可参考的可能的青光眼,DLS的AUC为0.942 (95% CI, 0.929 - -0.954),灵敏度为96.4%(95%可信区间,81.7% -99.9%),和特异性为87.2% (86.8% - -87.5%);可参考的AMD, AUC为0.931 (95% CI, 0.928 - -0.935),灵敏度为93.2%(95%可信区间,91.1% -99.8%)和特异性为88.7%(95%可信区间,88.3% -89.0%)(图3)。

二级目标,我们评估DLS 2糖尿病视网膜病变筛查的性能模型(eFigure 2补充):完全-自动化模型敏感性为93.0%(95%可信区间,91.5% -94.3%)和特异性为77.5%(95%可信区间,77.0% -77.9%)检测总体可参考的情况下(可参考的糖尿病性视网膜病变、青光眼可能或AMD),尽管半自动的模型(DLS其次是年级)敏感性为91.3%(95%可信区间,89.7% -92.8%)和特异性为99.5%(95%可信区间,99.5% -99.6%)检测总体可交付的状态。不同的半自动的模型的性能与预设灵敏度阈值为90%,95%和99% eTable 4中所示补充。

在这近一百万的图像评价从多民族社区,以人群为基础和临床数据集,DLS有很高的敏感性和特异性的识别可参考的糖尿病性视网膜病变和该人群糖尿病性视网膜病变,以及确定相关的眼部疾病,包括可参考的青光眼和可交付的年龄相关性黄斑变性。DLS相当的性能和临床可接受基于评估当前模型视网膜图像由训练有素的专业年级和显示一致性在10多个种族的外部验证数据集和设置,使用不同的参考标准评估糖尿病性视网膜病变的专业年级,验光师,或视网膜专家。本研究还分析了DLS如何可以被部署在2常见的糖尿病性视网膜病变筛查模型:一个“全自动”筛选模型显示临床可接受的性能检测3条件,有助于社区没有任何现有的糖尿病性视网膜病变筛查项目;和“半自动”模型中,糖尿病性视网膜病变筛查项目使用训练有素的专业年级已经存在,和DLS可以合并。

有以前的研究为糖尿病性视网膜病变筛查的自动化软件^14,37,38;最近的一个DLS使用。^{10- - - - - -12}Gulshan等¹⁰了DLS敏感性和特异性高(> 90%)和可交付的糖尿病性视网膜病变的AUC 0.99使用大约10 000图像检索从2 (EyePAC-1和Messidor-2)公开可用的数据库。同样,Gargeya愣了¹¹显示最优DLS诊断性能检测任何糖尿病视网膜病变使用2其他公共数据库(Messidor-2和E-Ophtha)。为了便于翻译,重要的是开发和测试DLS临床场景使用不同视网膜图像不同的质量不同的相机类型和代表糖尿病视网膜病变筛查人群。¹³当前的研究因此大幅添加到其他当前的研究。

首先,DLS训练也检测等相关眼病可参考的青光眼和可交付的AMD除了糖尿病性视网膜病变。第二,训练和验证数据集是大大大(000年近500 图像)和包含的图像从病人不同的种族和族裔群体(即暗眼底色素在非洲裔美国人和印度人轻底白色的个人)。DLS显示一致的诊断性能的图像不同质量和不同的相机类型,和在不同患者系统性血糖控制水平。

第三,DLS的主要验证是在不断进行的糖尿病性视网膜病变筛查项目中有图像质量下降,包括ungradable的。这导致有些低DLS (AUC, 0.936)的性能比系统Gulshan et al,使用高质量的图片。¹⁰第四,本研究也较少的情况下严重的疾病(如该人群糖尿病性视网膜病变,可参考的青光眼,和可交付的AMD),但这是更具代表性的人群常规糖尿病视网膜病变筛查。³⁹

确保在健康结果没有退化,一个阈值被设置为确保假阴性率没有比人类评估由训练有素的专业年级的。虽然结果表明,非医学专业年级可能超越DLS(可参考的糖尿病性视网膜病变的高特异性为99%,该人群糖尿病视网膜病变),鉴于DLS的边际成本非常低,低流行率目标筛选条件的人口(< 5%),在健康结果平等,DLS可以使用半自动的模型一线与DLS后跟人力评估筛查阳性的病人。这将允许增加筛选集低成本和健康结果没有退化。

本研究也有一些局限性。首先,训练集不发达完全基于视网膜专家对所有图像的分级。虽然主要的参考标准验证数据集使用由视网膜专家评分参考标准的外部数据集是基于不同的评估由视网膜专家,一般的眼科医生,训练有素的年级或验光师。DLS可能被进一步的性能改进如果所有图片在训练和验证数据集标准标准引用由视网膜专家评估。然而,诊断DLS仍然是临床可接受的性能和高度的可再生的主要验证数据集和10外部数据集的引用标准取决于图像是否由视网膜专家评估(非裔美国人、墨西哥、香港中国),一般眼科医生(中国北京),验光师(中国香港)或非医学专业年级(剩下的数据集)从不同的国家(表5)。

第二,DLS使用多级表示来分析每一个视网膜图像没有显示实际的糖尿病性视网膜病变的病变(如微动脉瘤,视网膜出血)。这些数据点可能可以视神经盘的形状、轮廓或曲折或视网膜血管口径。这样的黑箱问题可能会影响医生对临床使用的验收。¹³

第三,识别糖尿病黄斑水肿从眼底照片可能不识别所有情况下适当没有临床检查和光学相干断层扫描。

在这个评价视网膜图像从多民族人群的糖尿病患者,DLS有高灵敏度和特异性识别糖尿病视网膜病变和相关的眼部疾病。进一步的研究是必要的评估的适用性DLS在卫生保健机构和DLS的效用,提高视觉效果。

通讯作者:Tien阴黄,医学博士,新加坡国家眼科中心,11个第三医院大街,新加坡168751 (wong.tien.yin@snec.com.sg)。

发表:2017年10月31日。

作者的贡献:Drs d s Ting和t . y . Wong完全访问所有的数据研究,负责数据的完整性和数据分析的准确性。Drs, Cheng g·c·m·张锡、徐,李,和t . y . Wong同样起到了推波助澜的作用。

概念和设计:d . s . Ting Y-L。张、林、g . s . w . Tan Garcia-Franco,芬克尔斯坦Lamoureux, Sivaprasad, Varma,乔纳斯,他,徐、黄t . y . m . Lee。

数据的采集、分析或解释:d . s . Ting Y-L。张、林、g . s . w . Tan Nguyen甘,兄弟,杨,郑胜耀李,e . y . m . Wong Sabanayagam, Baskaran,易卜拉欣,n . c . Tan Finkelstein Lamoureux,布瑞斯勒,i . y . Wong Varma,乔纳斯,他Y-L。张、锡,t . y .黄。

起草的手稿:d . s . Ting甘,黄兄弟,Lamoureux t y。

关键的修订手稿的重要知识内容:d . s . Ting c . y .张Lim g . s . w . Tan Nguyen Garcia-Franco,杨,郑胜耀李,e . y . m . Wong Sabanayagam, Baskaran,易卜拉欣,n . c . Tan,芬克尔斯坦布瑞斯勒,i . y . Wong Sivaprasad, Varma,乔纳斯,他Cheng c . y .张锡、许,m·l·李,t . y .黄。

统计分析:d . s . Ting Lim阮、甘Sabanayagam,易卜拉欣Lamoureux,锡,t . y . i . y . Wong黄。

获得资助:d . s . Ting c . y .张锡,t . y .黄。

行政、技术或材料支持:d . s . Ting c . y .张Lim g . s . w . Tan, Garcia-Franco, Baskaran, n . c . Tan Sivaprasad,乔纳斯,Cheng锡,t . y .黄。

监督:d . s . Ting c . y .张g . s . w . Tan杨,李,Lamoureux, Varma,他,c . y .张许,m·l·李,t . y .黄。

利益冲突的披露:所有作者已经完成并提交的国际形式披露潜在的利益冲突。Drs d s Ting Lim m·l·李Hsu)和t . y . Wong称他们正在coinventors专利申请在本研究中使用的深度学习系统;潜在的利益冲突管理根据新加坡卫生系统的制度政策(SingHealth)和新加坡国立大学(新加坡国立大学)。布瑞斯勒报道博士持有专利的自动检测系统和方法年龄相关性黄斑变性等视网膜异常,与深度学习无关的系统。他说博士持有专利的自动图像分析系统和视网膜相机视网膜疾病,与本文的深入学习系统无关。没有其他信息披露报告。

资金/支持:这个项目收到了来自国家医学研究委员会资助(NMRC),卫生部(卫生部),新加坡国家卫生创新中心(NHIC),创新开发格兰特(NHIC - i2d - 1409022);SingHealth基础研究资助(超高频/ FG648S / 2015),和Tanoto基金会;无限制的捐款视网膜,约翰·霍普金斯大学医学院的。眼疾(种子)新加坡流行病学的研究中,我们从NMRC收到资金,卫生部(赠款0796/2003,IRG07nov013 IRG09nov014,星/ 0003/2008和星/ 2013;CG /三星/ 2010)和生物医学研究理事会(赠款08/1/35/19/550和09/1/35/19/616)。新加坡从卫生部糖尿病视网膜病变项目收到资金,新加坡(赠款AIC / RPDD / SIDRP /三星/ FY2013/0018和AIC / HPD / FY2016/0912)。

资助者的角色/赞助商:NMRC(新加坡)、卫生部(新加坡),NHIC(新加坡)和Tanoto基金会,和约翰·霍普金斯医学院没有参与这项研究的设计和实施;的收集、管理、分析和解释数据;准备、审查或批准的手稿;并决定提交出版的手稿。