在ANTERION前部段OCT系统上进行专家级自动化皮刺激检测和定量生物识别分析
Kyle Bolo1, Galo Apolo Aroca1, Anmol A Pardeshi1,2
1Roski Eye Institute, Department of Ophthalmology, University of Southern California Keck School of Medicine, Los Angeles, California, USA.
The British journal of ophthalmology
|October 5, 2023
概括
深度学习算法准确地测量前段光学连贯性断层扫描 (AS-OCT) 图像中的状突起参数,匹配专家的性能. 这些工具可以改善对角度闭合和眼内透镜计算的评估.
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:
- 前段光学连贯性断层扫描 (AS-OCT) 对眼部生物识别至关重要.
- 精确的状刺激检测对于诊断和管理眼和角关闭至关重要.
- 需要自动化测量工具来提高AS-OCT分析的效率和一致性.
研究的目的:
- 独立验证深度学习 (DL) 算法用于自动化皮刺激检测.
- 从AS-OCT图像中评估DL算法的精度,以测量从AS-OCT图像中测量基于状的生物识别参数.
- 为了比较DL算法与人类评分器的性能.
主要方法:
- 使用ANTERION OCT系统进行AS-OCT成像.
- 状的位置被三个人类分级器 (参考,专家,新手) 标记.
- 用DL算法 (FPR4和TPR95) 来自动检测和测量大脑刺激.
主要成果:
- 与专家和初学者分级者相比,DL算法在状的位置上的中位差异明显较小.
- 生物识别测量的Intergrader可重现性对于DL算法和人类分级器都非常出色.
- DL算法和专家评分器表现出比初学者评分器更好的可重复性,特别是在狭窄的角度.
结论:
- 在AS-OCT中,DL算法实现了基于硬膜的参数的专家级测量.
- 这些经过验证的DL算法可以提高AS-OCT的临床实用性.
- 这项技术对评估患有视角闭合的患者和帮助眼内透镜计算非常有前途.
