使用人工智能检测角膜新血管化区域
Burak Mergen1,2, Tarek Safi3, Matthias Nadig4
1Department of Ophthalmology, Saarland University Medical Center (UKS), Homburg, Saarland, Germany burakmergen@gmail.com.
The British journal of ophthalmology
|June 20, 2023
概括
一个人工智能工具准确地从裂纹灯图像中量化角膜新血管化 (CoNV) 区域. 这种由人工智能驱动的分析显示出高准确度,表明其在CoNV评估中的临床使用潜力.
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:
- 角膜新血管化 (CoNV) 在眼科中构成了重大挑战.
- 准确量化CoNV对于有效的治疗监测至关重要.
- 手动评估CoNV可能是耗时和主观的.
研究的目的:
- 开发和评估基于人工智能的图像分析工具,用于测量角膜新血管化.
- 为了自动化从切割灯图像中量化CoNV面积.
- 评估人工智能工具的性能与手动测量相比.
主要方法:
- 深度学习 (U-Net) 模型训练在手动注释的CoinV.Slit灯图像上.
- 用于绩效评估的六倍交叉验证.
- 交叉与联合 (IoU) 度量用于评估准确性.
主要成果:
- 人工智能工具在角膜总面积 (90.0% - 95.5%) 和非血管化区域 (76.6% - 82.2%) 中获得了高的IOU分数.
- 对于检测共角膜面积 (96.4%-98.6%) 和非血管化区域 (96.6%-98.0%) 均观察到高特异性.
- 该算法在细分和检测CoNV.中表现出强的性能.
结论:
- 与眼科医生测量相比,AI工具在量化CoNV区域方面表现出很高的准确性.
- 开发的自动化工具显示出在CovNV评估中临床应用的前景.
- 由人工智能驱动的图像分析可以提供客观和高效的CoNV量化.
