糖尿病性レチノパシーにおける自動化されたノンパーフュージョン定量化は,超広場スウィートソースのOCT血管検査による超広場スウィートソースのOCT血管検査によるものです

科学分野:

• オフタルモロジック (眼科)
• メディカルイマージング (医学イメージング)
• 人工知能 (AI) とは,人工知能 (AI) のことです.

背景:

• 糖尿病性網膜症 (DR) は視力喪失の主な原因である.
• 非 perfusion 領域 (NPA) の正確な評価は,DRのステージ決定に不可欠です.
• ウルトラワイドフィールドスウィップソース光学相干性トモグラフィーアンジオグラフィー (UWF SS-OCTA) は,網膜血管の詳細なイメージングを提供します.

研究 の 目的:

• UWF SS-OCTA画像の自動化されたNPAセグメンテーションのためのディープラーニングアルゴリズムの開発と評価.
• 異なるスキャンサイズのアルゴリズムのパフォーマンスを評価するために.
• 糖尿病性網膜病変の重症度評価におけるアルゴリズムの有用性を決定する.

主な方法:

• NPAのセグメンテーションのために,マルチスケールのU-Netのバックボーンと注意力メカニズムを持つコンボリューションニューラルネットワーク (CNN) が開発されました.
• アルゴリズムは6x6mm,12x12mm,および29x24mmのスキャンパターンのSS-OCTA画像を正面から処理しました.
• グラウンド・ラストは,専門の格レーダーによって確立され,セグメンテーションの精度はF1スコアを使用して測定されました. ノンパーフュージョン指数 (NPI) の一致性は,Bland-Altman分析によって評価されました.

主要な成果:

• アルゴリズムは,すべてのスキャンサイズ (0.82-0.84) でのNPAセグメンテーションで高いF1スコアを達成しました.
• アルゴリズムによるNPIは,専門家による格付けと強く一致していた (ICC > 0.979).
• 人体およびアルゴリズムによるNPIは,DRの重症度とともに,特により大きなスキャン領域で増加しました.

結論:

• 検証されたディープラーニングアルゴリズムは,UWF SS-OCTA上のNPAを正確にセグメント化し,定量化しています.
• アルゴリズムは,さまざまなスキャンサイズでスケーラビリティを証明します.
• このツールは,糖尿病性網膜病変の客観的なバイオマーカー分析に統合される可能性があります.