Retinal photograph-based deep learning system for detection of hyperthyroidism: a multicenter, diagnostic study

Screening for hyperthyroidism using gold-standard diagnostic criteria in the general population is not cost-effective, leading to a relatively high rate of undiagnosed and untreated patients. This study aimed to establish a deep learning-based system to detect hyperthyroidism based on retinal photog...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Hauptverfasser: Dong, Li (VerfasserIn) , Ju, Lie (VerfasserIn) , Hui, Shiqi (VerfasserIn) , Luo, Lihua (VerfasserIn) , Jiang, Xue (VerfasserIn) , Nie, Zihan (VerfasserIn) , Zhang, Ruiheng (VerfasserIn) , Zhou, Wenda (VerfasserIn) , Li, Heyan (VerfasserIn) , Jonas, Jost B. (VerfasserIn) , Wang, Xin (VerfasserIn) , Zhao, Xin (VerfasserIn) , He, Chao (VerfasserIn) , Chen, Yuzhong (VerfasserIn) , Wang, Zhaohui (VerfasserIn) , Gao, Jianxiong (VerfasserIn) , Ge, Zongyuan (VerfasserIn) , Wei, Wenbin (VerfasserIn) , Li, Dongmei (VerfasserIn)
Dokumenttyp: Article (Journal)
Sprache:Englisch
Veröffentlicht: 29 August 2023
In: Journal of Big Data
Year: 2023, Jahrgang: 10, Heft: 1, Pages: 1-12
ISSN:2196-1115
DOI:10.1186/s40537-023-00777-6
Online-Zugang:Verlag, kostenfrei, Volltext: https://doi.org/10.1186/s40537-023-00777-6
Verlag, kostenfrei, Volltext: https://journalofbigdata.springeropen.com/articles/10.1186/s40537-023-00777-6
Volltext
Verfasserangaben:Li Dong, Lie Ju, Shiqi Hui, Lihua Luo, Xue Jiang, Zihan Nie, Ruiheng Zhang, Wenda Zhou, Heyan Li, Jost B. Jonas, Xin Wang, Xin Zhao, Chao He, Yuzhong Chen, Zhaohui Wang, Jianxiong Gao, Zongyuan Ge, Wenbin Wei and Dongmei Li
Beschreibung
Zusammenfassung:Screening for hyperthyroidism using gold-standard diagnostic criteria in the general population is not cost-effective, leading to a relatively high rate of undiagnosed and untreated patients. This study aimed to establish a deep learning-based system to detect hyperthyroidism based on retinal photographs.
Beschreibung:Gesehen am 10.04.2024
Beschreibung:Online Resource
ISSN:2196-1115
DOI:10.1186/s40537-023-00777-6