一个临床上可解释的基于人工智能的分级系统,用于与年龄相关的黄斑退化,使用光学一致性断层扫描
IEEE journal of biomedical and health informatics
|January 17, 2024
概括
我们开发了一种可解释的AI系统,用于使用光学连贯断层扫描 (OCT) 图像来诊断与年龄相关的黄斑变性 (AMD). 该系统可以准确地区分各种AMD阶段和其他视网膜疾病.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 与年龄相关的黄斑变性 (AMD) 是导致视力丧失的主要原因.
- 准确及时诊断AMD及其亚型对于有效治疗至关重要.
- 当前的诊断方法可能是主观的,耗时的.
研究的目的:
- 开发一个自动化,可解释的AI (xAI) 系统,从OCT图像中诊断AMD.
- 区分正常视网膜,各种AMD等级和非AMD疾病.
- 提取和利用临床上有意义的成像标记物用于诊断.
主要方法:
- 使用光学连贯性断层扫描 (OCT) B扫描图像.
- 开发了一个集DeepLabV3+和CNN模型的xAI系统.
- 提取了关键的临床成像标志物:脑下膜/脑内膜液,胆道超传播,结合的视网膜层,drusen和视网膜层厚度.
- 采用层次决策树进行分类.
主要成果:
- 在1285张OCT图像的多路分类任务中,xAI系统实现了90.82%的准确性.
- 成功区分正常视网膜,早期,中期,地理缩 (GA) 和湿 AMD,以及非 AMD 疾病.
- 证明了该系统在诊断AMD时模仿医生的感知能力.
结论:
- 拟议的xAI系统为AMD诊断提供了一个有希望的自动化方法.
- 该系统可以准确地分类AMD的各个阶段,并将其与其他视网膜病理区分开来.
- 可解释的人工智能有可能提高眼科诊断效率和准确性.


