角膜共聚焦顯微鏡是一種快速的非侵入性眼科成像技術，可鑒別周圍和中樞神經退行性疾病。然而，要量化角膜基底下神經叢的形態，需要耗時的人工標注，要麼需要靈敏度較低的自動圖像分析方法。本研究的目標是開發並驗證一種基於人工智能的深度學習算法，用於量化與糖尿病神經病變診斷相關的神經纖維特性，並將結果其與一個經過驗證的自動化分析程序ACCMetrics進行比較。

        本研究深度學習算法使用一個卷積神經網絡與數據擴增，開發了自動化量化的角膜基底下神經叢診斷糖尿病神經病變。該算法使用高端圖形處理器單元對1698張角膜共焦顯微鏡圖像進行訓練。為了進行外部驗證，對2137張圖像進行了進一步測試。該算法可識別神經纖維總長度、分支點、尾點、神經節段數和長度以及分形數。進行敏感性分析以確定ACCMetrics的AUC和診斷糖尿病神經病變的算法。

        研究結果表明，該算法的類內相關係數優於ACCMe trics的角膜神經纖維總長度(0.933vs0.825)、平均每段長度(0.656vs0.325)、分支點數(0.891vs0.570)、尾點數(0.623vs0.257)、神經段數(0.878vs0.504)和分形(0.927vs0.758)。此外，我們提出的算法對無(n = 90)和有(n = 132)神經病(根據多倫多標準定義)的參與者進行分類時，AUC為0.83，特異性為0.87，敏感性為0.68。

        這些結果表明，深度學習算法為量化角膜神經生物標誌物提供了快速和出色的定位性能。該模型有可能應用於糖尿病神經病變的臨床篩選方案。