通过使用自适应窗口的特征提取和加权集团基于分类方法的光学连贯性断层扫描图像改进了与年龄相关的黄斑变性干燥的检测

科学领域:

• 眼科医生 眼科 眼科
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 干燥与年龄相关的黄斑退化 (AMD) 是老年人视力丧失的主要原因.
• 目前干性AMD的诊断方法是主观的,耗时的.
• 早期检测对于预防不可逆转的视力损伤至关重要.

研究的目的:

• 开发一个权重多数投票 (WMV) 组合模型,用于自动化干性AMD诊断.
• 实施一种新的特征提取方法,专注于视网膜色素上皮层 (RPE) 层.
• 提高干性AMD查的效率和客观性.

主要方法:

• 使用混合介质过器进行预处理和规模不变特征转换 (SIFT) 进行RPE层细分.
• 采用曲率平整来准确测量RPE层厚度.
• 开发了一个WMV组合模型,将RPE层的特征用于分类.

主要成果:

• 在WMV模型实现了高准确度,在OCT图像数据库 (OCTID) 上达到96.15%,在SD-OCT Noor数据集上达到96.94%.
• 该模型在外部数据集上测试时也表现出强大的性能.
• 拟议的算法在干燥AMD识别中表现优于其他替代方法.

结论:

• 开发的架构能够快速选眼睛,用于早期检测干 AMD.
• 该方法的低复杂性和最小的学习变量允许实时应用.
• 这种自动化方法可以显著帮助管理与年龄相关的视力丧失.