基于深度学习的前段OCT参数的量化
Zhi Da Soh1,2, Mingrui Tan3, Monisha Esther Nongpiur1,4
1Singapore Eye Research Institute, Singapore National Eye Centre, Singapore.
Ophthalmology science
|October 23, 2023
概括
一个新的深度学习算法在OCT扫描中自动化了脑膜刺激注释和前腔结构细分. 这一进步提高了眼睛测量的精度和效率,无论是在开角眼睛还是闭角眼睛.
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 (ASOCT) 对于评估眼睛结构至关重要.
- 精确的标注的硬膜刺激 (SS) 和前腔 (AC) 结构的细分对于青光眼的诊断和管理至关重要.
- 手动细分是耗时的,并且受观察者之间的变化影响.
研究的目的:
- 开发和验证深度学习算法,用于ASOCT扫描中的自动SS注释和AC结构细分.
- 为了能够精确测量AC,虹膜和角度宽度参数.
- 减少主观性,提高ASOCT基于眼睛测量的效率.
主要方法:
- 使用CycleGAN. 的图像对比度增强.
- 一种热图回归方法,用于SS注释的粗细框架.
- 一个整体网络 (U-Net,全分辨率剩余网络,全分辨率U-Net) 用于结构细分.
- 算法衍生的测量与手动注释的比较 (基本真相).
主要成果:
- 该算法在SS注释中实现了高精度 (欧几里德距离:124.7μm,ICC≥0.95,错误率:3.3%).
- 卓越的细分性能,角膜,虹膜和AC的Dice相似系数≥0.91.
- 角度宽度测量显示与手动方法有很强的一致性 (≥95%在一致性范围内,ICC 0.71-0.87).
- 与半自动程序相比,算法测量显示的变化较小.
结论:
- 一个经过验证的深度学习算法有效地在ASOCT扫描中自动化SS注释和AC结构细分.
- 该算法在开角眼睛和闭角眼睛中表现得与人类专家相比.
- 这项技术显著减少了测量时间和主观性,有助于临床实践.
