基于模糊逻辑的系统,用于从OCTB扫描图像中识别糖尿病黄斑的严重程度,使用DRIL,HRF和囊

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:

• 糖尿病黄斑 (DME) 是糖尿病患者视力丧失的主要原因.
• 对用于DME评估的OCTB扫描图像的手动解释容易出现错误.
• 准确的DME分级对于及时和有效的治疗至关重要.

研究的目的:

• 开发和验证一个人工智能驱动的系统,用于使用OCT B扫描图像进行自动化DME严重程度分级.
• 从OCT图像中准确识别和量化关键的DME生物标志物.
• 为DME管理提供可靠的临床决策工具.

主要方法:

• 开发了一个端到端的AI模型来分析OCT B扫描图像.
• 该系统提取生物标志物,包括视网膜内层失调 (DRIL),超反射焦点 (HRF) 和囊.
• 一个模糊的逻辑引擎,根据当前的DME研究,根据提取的生物标志物来确定DME的严重程度.

主要成果:

• 人工智能模型在使用DRIL识别图像时实现了93.3%的准确性.
• HRF和囊的成功细分被证明是分别为91.30%和95.07%的子相似系数.
• 该系统提供准确和自动化的DME严重程度分级.

结论:

• 拟议的AI系统提供了一种高度准确和自动化的方法,用于使用OCT图像进行DME严重程度分级.
• 这项技术有可能显著提高DME的临床评估和治疗.
• 自动化分析可以减少诊断错误,改善DME管理中的患者结果.