用光学连贯断层扫描来检测近视伸缩性黄斑病 (MTM) 的细粒度图像分类的损伤检测

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:

• 近视力拉力斑点病变 (MTM) 导致高近视的视力丧失,原因是斑点的拉力.
• 光学连贯断层扫描 (OCT) 对于诊断和分类MTM模式至关重要.
• 基于OCT的分类指导了MTM的临床管理策略.

研究的目的:

• 开发一种深度学习模型,用于在高度近视 (HM) 眼睛中自动识别MTM.
• 用OCT图像将MTM分为五种不同的模式.

主要方法:

• 使用了一个ResNet-34深度学习架构.
• 该模型使用958名HM患者的2837张OCT图像进行训练.
• 在一组独立的测试中评估了604张图像的性能,使用AUC,精度,灵敏度和特异性.

主要成果:

• 该模型实现了高训练性能 (F1得分为0.953,AUC为0.961-0.998).
• 在测试组中,灵敏度在91.67%至97.78%之间,特异性在98.33%至99.17%之间.
• 该模型的性能与经验丰富的临床医生相当或优于,通过热图提供视觉解释.

结论:

• 一个使用OCT图像进行MTM分类的深度学习模型被成功开发出来.
• 该模型表现出与视网膜专家相当或超过的性能.
• 这种AI工具适用于大规模查和在HM眼中识别MTM.