基于深度学习的术后视力敏度预测在异形性视网膜膜的异形性视力敏度
Dejia Wen1, Zihao Yu1, Zhengwei Yang1
1Tianjin Key Laboratory of Retinal Functions and Diseases, Tianjin Branch of National Clinical Research Center for Ocular Disease, Eye Institute and School of Optometry, Tianjin Medical University Eye Hospital, 251 Fukang Road, Tianjin, 300384, China.
BMC ophthalmology
|August 20, 2023
概括
使用光学连贯断层扫描 (OCT) 的新型深度学习模型准确地预测了异常性视网膜 (iERM) 手术后的视觉结果. 这种基于OCT的深度学习 (DL) 模型显示了外科手术规划的前景.
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:
- 异形性视膜膜 (iERM) 影响视力敏度.
- 预测术后视觉结果对于手术规划至关重要.
- 当前的预测方法可能缺乏精度.
研究的目的:
- 开发一种深度学习 (DL) 模型,用于预测6个月后的术后视力敏度.
- 为了利用手术前光学连贯性断层扫描 (OCT) 成像用于模型训练.
- 评估模型的准确性和iERM患者的潜在临床实用性.
主要方法:
- 一个回顾性队列研究包括442只眼睛与iERM.
- 深度学习模型 (Inception-Resnet-v2) 使用黄斑OCT图像和临床数据进行训练.
- 采用了多式联通深融合网络 (MDFN) 方法.
- 模型性能与回归模型相对评估,使用专用测试数据集.
主要成果:
- DL模型实现了0.070 logMAR的平均绝对误差和0.11 logMAR的RMSE.
- DL模型的预测性能 (R2=0.80) 显著超过回归模型 (R2=0.49).
- 超过94%的预测在±0.20 logMAR误差范围内.
结论:
- 基于OCT的DL模型可以准确预测iERM患者的术后视力敏度.
- 开发的DL模型表现出高灵敏度和精度.
- 这项技术有可能被整合到手术规划工作流程中.
