基于深度学习的自动量化对新血管与年龄相关的黄斑退行症中关键光学连贯性断层扫描特征的自动量化

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:

• 神经血管与年龄相关的黄斑变性 (nAMD) 是导致视力丧失的主要原因.
• 在光学连贯断层扫描 (OCT) 上精确细分内液 (IRF),下液 (SRF) 和新血管色素上皮层脱落 (nPED) 对nAMD管理至关重要.
• 目前的手动细分是耗时的,并且受阅读器间的变化影响.

研究的目的:

• 在nAMD中验证深度学习算法,用于在nAMD中对IRF,SRF和nPED进行自动细分.
• 将深度学习模型的性能与手动评分进行评估.

主要方法:

• 从50名患有排泄性nAMD的患者的OCT数据的回顾性分析.
• 开发了两个深度学习模型 (A1,A2) 基于两个读者 (R1,R2) 的手动评分.
• 使用曲线下的面积 (AUC),相关系数 (R2) 和子系数进行评估.

主要成果:

• 深度学习模型实现了IRF,SRF和nPED细分的高精度 (AUC从0.932到0.990不等).
• 在所有流体类型的模型预测和手动分级之间观察到强烈的相关性 (R2) (R2从0.839到0.998).
• 子系数表明自动和手动细分之间存在良好的一致性,可与读者之间的变化相比较.

结论:

• 深度学习算法可以准确地对nAMD中关键的OCT特征进行细分.
• 自动细分的性能可与专家阅读器手动分类相美.
• 这种由人工智能驱动的方法有望实现高效可靠的nAMD评估.