从白内障光学退化的效应使用新的深度学习光学连贯性断层扫描细分算法.
Davide Allegrini1, Raffaele Raimondi2, Tania Sorrentino3
1Eye Center, Humanitas Gavazzeni-Castelli, Bergamo, Italy.
概括
一个免费的在线深度学习工具准确地对视网膜OCT图像进行了细分,即使在白内障引起的图像噪声下也显示出稳定性. 这种工具在评估视网膜健康方面显示出临床应用的前景.
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:
- 光学连贯断层扫描 (OCT) 对于视网膜成像至关重要.
- 对视网膜层的准确细分对于定量分析至关重要.
- 深度学习 (DL) 提供了自动图像细分的潜力.
研究的目的:
- 评估用于视网膜OCT细分的免费在线深度学习工具的准确性.
- 为了评估工具的性能,使用来自白内障的图像噪声.
主要方法:
- 视网膜OCT图像是使用Spectralis SD-OCT获得的.
- 用Relayer在线DL工具进行了细分.
- 分段在 MATLAB.B 中进行了分析.
主要成果:
- 在继电器和其他算法的ETDRS测量之间发现了很好的一致性.
- 继电器基于DL的细分通常看起来更准确.
- 该工具表现出强度,尽管由于介质不透明而导致光学降解.
结论:
- 继电器在线DL工具在视网膜OCT细分方面表现出良好的性能.
- 该工具对健康视网膜的临床应用具有前景.
- 它是坚固的图像噪声引起的媒体不透明度,如白内障.


