基于OCT血管学的人工智能推断的光素血管学,用于检测视网膜的泄漏 [受邀]
Toshinori Murata1, Takao Hirano1, Hideaki Mizobe2
1Department of Ophthalmology, School of Medicine, Shinshu University, 3-1-1 Asahi Matsumoto, Nagano, 390-8621, Japan.
Biomedical optics express
|November 29, 2023
概括
来自OCTA图像的人工智能推断光素血管学 (AI-FA) 准确地描绘了糖尿病视网膜病变 (DR) 泄漏. 这种新的AI-FA方法增强了视网膜成像,提供了精确的诊断和治疗计划,没有过敏反应.
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:
- 光素血管造影 (FA) 对于视网膜成像至关重要,但不能描绘血管泄漏.
- 光学连贯断层扫描血管学 (OCTA) 提供了详细的视网膜血管图像,但缺乏泄漏可视化.
研究的目的:
- 开发基于OCTA数据的人工智能推断光素血管学 (AI-FA) 方法.
- 为了使用AI-FA准确地划分糖尿病视网膜病变 (DR) 中的血管泄漏.
- 与传统的FA相比,评估AI-FA的诊断和治疗规划能力.
主要方法:
- 一个卷积神经网络被训练在19,648个FA图像从43个DR患者.
- AI-FA图像是从OCTA数据生成的.
- 结构相似度指数 (SSI) 用于将AI-FA图像与真实的FA图像进行比较.
主要成果:
- 人工智能FA图像与相应的真实FA图像显示了0.91的高结构相似度指数.
- 生成的AI-FA成功地描绘了DR眼中的血管封闭和相关泄漏.
- 海外国家和地区,OCTA和AI-FA的组合提供了全面的信息,超过了传统的FA.
结论:
- 使用OCTA数据,AI-FA有效地可视化了糖尿病视网膜病变的血管泄漏.
- AI-FA促进了精确的DR诊断和治疗规划.
- 整合OCT,OCTA和AI-FA可提供增强的成像,缩短采集时间,并消除与FA相关的过敏反应风险.
