使用来自两个不同中心的OCT图像对多发性硬化症的歧视
Zahra Khodabandeh1, Hossein Rabbani1, Fereshteh Ashtari2
1School of Advanced Technologies in Medicine, Medical Image and Signal Processing Research Center, Isfahan University of Medical Sciences, Isfahan, Iran.
Multiple sclerosis and related disorders
|July 6, 2023
概括
人工智能 (AI) 通过分析光连贯断层扫描 (OCT) 扫描来帮助诊断多发性硬化症 (MS). 这种方法使用视网膜层数据准确地区分MS患者和健康对照.
科学领域:
- 眼科医生 眼科 眼科
- 神经学 神经学
- 人工智能的人工智能
背景情况:
- 多发性硬化症 (MS) 是一种影响中枢神经系统的慢性炎症性疾病.
- 光学连贯断层扫描 (OCT) 是一种非侵入性成像技术,有可能成为MS的生物标志物.
- 在MS中视网膜层厚度的微妙变化需要先进的分析方法,而不仅仅是OCT原始数据.
研究的目的:
- 开发和验证基于人工智能的算法,使用多层细分的OCT来区分MS患者和健康对照 (HC).
- 识别关键的视网膜层和拓特征,这些特征最能表明MS.
- 通过可解释性和外部验证,确保人工智能模型的可靠性和稳定性.
主要方法:
- 多层细分的OCT被使用尺寸缩小来处理,以选择有区别的特征.
- 使用了包括支持矢量机 (SVM),随机森林 (RF) 和人工神经网络 (ANN) 在内的分类器.
- 用患者智能的交叉验证和闭塞敏感性来评估性能和可解释性.
主要成果:
- 最优的特征拓是一个40像素的正方形.
- 质细胞和内状层 (GCIPL) 和内核层 (INL) 是最有影响力的视网膜层.
- 线性SVM实现了88%的准确性,78%的精度和63%的回忆,在区分MS和HC时.
结论:
- 人工智能分类算法对协助神经病学家早期诊断多发性硬化症有很大的希望.
- 使用两个不同的数据集提高了研究结果的稳定性和外部有效性.
- 该研究表明,在没有深度学习的情况下获得有效的结果,适合有限的数据场景.
