预测中央视野测量从黄斑OCT体积扫描与深度学习的中央视野测量
Vahid Mohammadzadeh1, Arvind Vepa2, Chuanlong Li3
1Glaucoma Division, Stein Eye Institute, David Geffen School of Medicine, University of California Los Angeles, Los Angeles, CA, USA.
Translational vision science & technology
|November 2, 2023
概括
深度学习模型可以高精度地预测光学连贯性断层扫描 (OCT) 扫描的视野测量. 这项技术可能有助于在临床实践中确认和补充视野发现.
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:
- 准确的视野 (VF) 测试对于诊断和监测玻璃眼和其他视神经头部疾病至关重要.
- 斑点光学相干断层扫描 (OCT) 提供了详细的结构信息,但不能直接测量VF功能.
研究的目的:
- 开发和验证一种深度学习 (DL) 模型,能够从斑点OCT体积扫描中预测中央10°视野 (VF) 参数.
- 与传统线性模型相比,评估DL预测的准确性.
主要方法:
- 使用了1121张斑点OCT体积扫描和289只眼睛相应的10-2 VF的数据集.
- 一个3D卷积神经网络 (3D DenseNet121) 被训练来预测VF平均偏差 (MD),值灵敏度 (TS) 和总偏差 (TD) 值.
- 使用10倍交叉验证来评估性能,通过相关性和平均绝对误差 (MAE) 将DL预测与基准真相和基线线性模型进行比较.
主要成果:
- DL模型在MD预测中实现了0.74的平均相关性,MAE为3.5dB.
- 对于TS,DL与基线模型 (0.52) (P < 0.001) 相比显示出明显更高的相关性 (0.71),MAE较低 (6.5dB对比7.5dB).
- 在TD预测方面也观察到类似的改善,DL相关性为0.69与基线模型的0.48 (P<0.001) 和MAE为6.1dB与7.8dB.
结论:
- 黄斑OCT体积扫描可以使用深度学习来预测具有临床相关准确性的全球和本地中央VF参数.
- 这种方法有望证实和补充临床VF评估,潜在地提高诊断效率和患者护理.
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
04:48Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
Published on: November 30, 2022
2.8K
