Video Experimental Relacionado
Updated: Sep 10, 2025
Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
Published on: November 30, 2022
Precisión diagnóstica de los clasificadores de aprendizaje profundo 3D para la detección de glaucoma: una comparación
Akram Belghith1, Christopher Bowd1, Robert N Weinreb1
1Hamilton Glaucoma Center and Division of Ophthalmology Informatics and Data Science, Shiley Eye Institute, The Viterbi Family Department of Ophthalmology, UC San Diego, La Jolla, CA, USA.
Los modelos tridimensionales de aprendizaje profundo (3D DL) mejoran significativamente la precisión de la detección del glaucoma en comparación con las mediciones estándar. Un modelo transversal 3D de DL muestra un rendimiento comparable al de los modelos específicos del dispositivo, lo que sugiere una mayor aplicabilidad en la práctica clínica.
Área de la Ciencia:
- Oftalmología
- Inteligencia artificial
- Imágenes médicas
Sus antecedentes:
- El diagnóstico del glaucoma se basa en la tomografía de coherencia óptica (OCT) para medir el grosor de la capa plexiforme interna de las células ganglionares maculares (GCIPL).
- Los modelos de aprendizaje profundo (DL) ofrecen potencial para una mayor precisión diagnóstica en la detección de glaucoma.
Objetivo del estudio:
- Comparar la precisión diagnóstica de los clasificadores de aprendizaje profundo tridimensional (3D DL) y de aprendizaje profundo transversal 3D (3D CD-DL) con las mediciones estándar de grosor GCIPL para la detección de glaucoma mediante TCO.
- Evaluar la generalización de los modelos de DL en diferentes dispositivos de los PTU.
Principales métodos:
- Se evaluaron dos clasificadores DL: un modelo 3D DL entrenado con datos de Spectralis OCT y un modelo 3D CD-DL entrenado con imágenes sintéticas de Spectralis derivadas de datos de Cirrus OCT.
- Para la comparación se utilizó un conjunto de datos de 502 ojos primarios con glaucoma de ángulo abierto y 119 ojos sanos.
- El área bajo las curvas de funcionamiento del receptor (AUROC), ajustada por edad, longitud axial y área del disco, fue la métrica principal para la evaluación de la precisión.
Principales resultados:
- El clasificador 3D DL logró un AUROC ajustado significativamente más alto (0,92) que el grosor global de GCIPL (0,83).
- El modelo 3D CD-DL demostró una precisión comparable al modelo 3D DL (AUROC 0,91 frente a 0,92).
- En los primeros casos de glaucoma, los modelos 3D DL y 3D CD-DL superaron significativamente las mediciones de grosor de GCIPL.
Conclusiones:
- Los clasificadores tridimensionales DL demuestran una precisión de diagnóstico superior para el glaucoma en comparación con las mediciones de grosor GCIPL tradicionales.
- El enfoque 3D CD-DL muestra un rendimiento robusto, comparable a los modelos 3D DL específicos del dispositivo, lo que indica el potencial de generalización entre dispositivos.
- Se recomienda una validación adicional con datos de diversos dispositivos de los PTU para confirmar los resultados.
