了解和解释CNN在基于光连贯断层扫描的AMD检测中做出的决定
S M Azoad Ahnaf1, Sajib Saha2, Shaun Frost2
1Computational Color and Spectral Image Analysis Lab, Computer Science and Engineering Discipline, Khulna University, Khulna 9208, Bangladesh.
European journal of ophthalmology
|September 6, 2023
概括
这项研究揭示了外核层到内段骨髓层 (ONL-ISM) 对于使用卷积神经网络 (CNN) 检测与年龄相关的黄斑变性 (AMD) 是至关重要的. 进一步的分析强调神经纤维层到内状层 (NFL-IPL) 也很重要.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 使用光学连贯断层扫描 (OCT) 来自动评估与年龄相关的黄斑变性 (AMD) 是一个不断增长的研究领域.
- 目前用于AMD检测的卷积神经网络 (CNN) 方法缺乏可解释性.
- 这项研究解决了在AMD诊断中了解CNN决策过程的需要.
研究的目的:
- 调查用于AMD检测的CNN的决策过程.
- 为了确定影响CNN预测的特定视网膜层.
- 弥合在海外国家和地区扫描中解释CNN诊断决策的差距.
主要方法:
- 训练了多个CNN模型 (VGG16,VGG19,Xception,ResNet50,InceptionResNetV2) 来进行AMD检测.
- 应用了CNN可视化技术 (Grad-CAM,Grad-CAM++,Score CAM,Faster Score CAM) 来识别感兴趣的区域.
- 开发了视网膜层细分来将CNN焦点与视网膜结构相关联,使用2130 SD-OCT扫描.
主要成果:
- 外核层到内段骨髓层 (ONL-ISM) 在所有测试的CNN模型中显著影响AMD检测决策.
- 规范化交叉点 (NI) 评分表明在AMD和正常病例中,ONL-ISM对AMD的影响程度不同.
- 针对每个CNN模型报告了特定的NI分数,证明了ONL-ISM的差异性贡献.
结论:
- ONL-ISM是主要的视网膜层,有助于基于CNN的AMD检测.
- 神经纤维层到内状层 (NFL-IPL) 被确定为第二个最有影响力的层.
- 这项研究为AMD诊断中CNN的解释性提供了关键的见解.
更多相关视频
07:18Evaluation of Capillary and Other Vessel Contribution to Macular Perfusion Density Measured with Optical Coherence Tomography Angiography
Published on: February 18, 2022
1.8K
10:14Author Spotlight: Ex Vivo OCT-Based Multimodal Imaging of Human Donor Eyes for Research into Age-Related Macular Degeneration
Published on: May 26, 2023
3.2K
