使用深度学习驱动的图像层面优化和 fundus 照片进行状血管区域细分
I Coronado1, S Pachade1, H Dawoodally1
1Center for Precision Health, School of Biomedical Informatics, University of Texas Health Science Center at Houston (UTHealth), TX, USA.
Proceedings. IEEE International Symposium on Biomedical Imaging
|September 14, 2023
概括
从广泛可用的 fundus 照片中估计骨血管区域 (FAZ) 是可行的. 这项研究展示了接近FAZ指标的方法,这对于诊断视网膜病理和评估视觉敏度至关重要.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 视网膜血管疾病 视网膜血管疾病
背景情况:
- 状血管区域 (FAZ) 对视力敏度至关重要,并与视网膜病理有关.
- 光学一致性断层扫描血管图 (OCT-A) 准确地可视化FAZ,但仅限于研究设置.
- 基底摄影是广泛可访问的,并用于人口研究.
研究的目的:
- 为了评估从标准基金照片估计FAZ的可行性.
- 开发和比较用于FAZ估计的不同计算方法,使用 fundus图像.
主要方法:
- 测试了三种方法:像素级FAZ细分,图像级FAZ区域回归和使用突出地图和主动轮的无面具管道.
- 没有面具的方法可以促进培训,而无需手动调整 fundus 和 OCT-A 图像.
- 这些方法与人类等级的口罩进行了验证.
主要成果:
- 在像素级和图像级数据上训练的细分方法与人类注释有很好的一致性 (DICE分数分别为0.45和0.4).
- 这项研究证实了 fundus 摄影在FAZ估计中的潜力.
- 一个无口罩培训管道成功实施.
结论:
- 当OCT-A无法使用时, fundus摄影可以作为估计FAZ指标的可行代理.
- 这些发现支持 fundus成像用于视网膜健康评估的更广泛的临床应用.
- 开发的方法为视网膜血管系统的大规模人口研究提供了途径.
