来源：分析测试百科网

　　根据2月14日在线发表于《Diabetes Care》的一项研究，深度学习会提升糖尿病相关检测设备灵敏度与准确度的提高，从而更加有利于准确检测糖尿病视网膜病变（DR）。

　　在最近发表的这项研究中，来自阿姆斯特丹VU医疗中心的Frank D. Verbraak及其同事通过混合深度学习增强设备对视网膜图像进行分级。将其视网膜病变的分类与参考标准进行比较，该参考标准根据DR的国际临床分类进行分级。共有1,616名2型糖尿病患者接受了影像学检查。

（图片来源：www.medicalxpress.com）

　　研究人员发现，与参考标准相比，混合深度学习增强装置的敏感性/特异性对于具有威胁视力程度的严重DR症状分别为100 / 97.8％，而其对于轻度DR的敏感性/特异性为79.4 / 93.8％。

　　作者写道：“将设备应用于初级保健站点的医疗保健系统，可以提高被检查患者的百分比。” 。“此外，与目前的护理标准相比，这样的设备将提高准确性，并且由于设备对图像质量的直接反馈，将导致更多数量的具有足够质量的图像的患者。”