基于深度学习的预测视网膜结构变化后的视网膜膜外科手术
1Retina Division, Nune Eye Hospital, Seoul, Republic of Korea.
Scientific reports
|November 7, 2023
概括
这项研究使用深度学习来创建经皮膜外科手术后切实可行的术后OCT图像. 人工智能模型准确地预测了手术结果,显示了临床应用的潜力.
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:
- 摘除视网膜 (ERM) 的手术需要仔细的术后监测.
- 光学连贯断层扫描 (OCT) 对于评估手术成功至关重要.
- 预测成像可以帮助进行手术规划和患者教育.
研究的目的:
- 使用深度学习生成ERM的合成术后OCT图像.
- 为了评估这些合成图像的准确性,与实际的术后OCT扫描相比.
- 评估AI在预测ERM手术结果方面的潜力.
主要方法:
- 一个Pix2Pix生成对抗网络 (GAN) 模型在500对手术前和手术后的OCT图像上受过训练.
- 该模型从手术前扫描中生成了60个合成的术后OCT图像.
- 结构相似度指数测量 (SSIM) 用于量化图像相似度.
主要成果:
- 该Pix2Pix GAN模型成功生成了60个合成的术后OCT图像.
- 合成和实际术后OCT图像之间的SSIM平均值为0.913.
- 高SSIM表明预测和真实图像之间存在很强的相似性.
结论:
- 深度学习,特别是Pix2Pix GAN模型,可以在ERM手术后生成准确的预测性术后OCT图像.
- 合成的OCT图像与实际的术后扫描具有很高的结构相似性.
- 这项技术有可能改善ERM治疗中的术前规划和术后评估.
