DiFFA: 糖尿病の微血管合併症の検出を向上させるための合成フンドゥス・フローレスセイン血管撮影のための拡散ベースのモデル

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:

• 糖尿病の微血管合併症は, fundus fluorescein angiography (FFA) による早期発見を必要とします.
• 伝統的なFFAは侵襲的で,患者の従順性とアクセシビリティを制限します.
• 非侵襲的なイメージング方法の開発は,糖尿病管理に不可欠です.

研究 の 目的:

• カラーファンダス (CF) の写真から高品質のFFA画像を生成するための非侵襲的な方法である拡散ベースのファンダス光素血管図 (DiFFA) を開発する.
• 糖尿病の微血管合併症の検出における侵襲的なFFA検査の限界に対処するため.
• 合成FFA画像生成のための拡散モデルを活用する.

主な方法:

• 3つの病院から4032のペア化されたCFとFFA画像にDiFFAをトレーニングしました.
• UK Biobankからの2000 CF画像を使用して外部で検証されました.
• 客観的な画像品質評価,眼科医による主観的な信頼性評価,診断効率評価,糖尿病性網膜症および腎臓疾患の自動化された分類精度テストを実施しました.

主要な成果:

• DiFFAは,強力な客観的なパフォーマンスメトリック (MAE: 109.25,PSNR: 27.677,SSIM: 0.694,FID: 38.466) を実証しました.
• 眼科医は,合成画像と実際のFFA画像を確実に区別することができなかった (AUC: 0.52-0.57).
• 合成FFAとCF画像を組み合わせることで,CF単独と比較して,糖尿病性網膜症 (AUC: 0.933) と糖尿病性腎疾患 (AUC: 0.849) の自動分類が改善されました.

結論:

• DiFFAは,非侵襲的なCF写真から臨床的に本物のFFA画像を成功裏に生成しています.
• この方法は,糖尿病の微血管合併症の診断の精度を高めます.
• DiFFAは,従来のFFA検査の侵入性の限界を克服しています.