通过使用完全自动化的深度学习系统从体内共聚焦显微镜图像中评估异常的角膜内皮细胞
Jinghao Qu1,2, Xiaoran Qin3, Rongmei Peng1,2
1Department of Ophthalmology, Peking University Third Hospital, No.49 Garden North Road, Haidian, Beijing, 100191, China.
Eye and vision (London, England)
|May 31, 2023
概括
这项研究引入了一种深度学习系统,用于自动分析LASER in vivo同焦显微镜 (IVCM) 图像中的异常角膜内皮细胞 (CEC). 该系统准确评估细胞密度和形态,改善对激光IVCM应用的客观评估.
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:
- 评估角膜内皮细胞 (CEC) 对眼睛健康至关重要.
- 目前用于从LASER in vivo同焦显微镜 (IVCM) 图像中分析CEC的方法可能是劳动密集型和主观的.
- 需要开发自动化系统,以便有效客观地评估CEC,特别是异常的CEC.
研究的目的:
- 开发一个完全自动化的深度学习系统,用于细分和估计异常CEC的形态参数.
- 为了评估该自动化系统在激光IVCM图像上的临床有效性和有效性.
- 将自动化内皮细胞密度 (ECD) 计算与手动方法进行比较.
主要方法:
- 使用正常和异常CEC图像数据集开发了一个深度学习系统.
- 该系统在两组激光IVCM图像 (169个正常,211个异常) 上进行了测试.
- 自动化形态参数 (细胞计数,ECD,细胞面积变化,六角细胞百分比) 与手动计算进行了比较.
主要成果:
- 自动化系统提供了正常和异常CEC的估计,包括ECD值.
- 对于异常的CEC,自动ECD显示出高相关性 (皮尔森r=0.9447) 和与手动ECD计算的良好一致.
- 该系统在评估LASER IVCM角膜内皮图像时表现出高度的客观性.
结论:
- 这是第一个利用深度学习进行激光IVCM图像中异常CECs自动计数和形态分析的研究.
- 开发的深度学习系统为LASER IVCM角膜内皮分析提供了高度客观的评估指标.
- 这项技术显著扩大了激光IVCM在眼科的潜在应用.
