评估Fuchs Corneal Endothelial Dystrophy使用从镜像显微镜图像中获得的人工智能衍生的形态参数
Angelica M Prada1,2,3, Fernando Quintero4, Kevin Mendoza4
1Centro Oftalmológico Virgilio Galvis, Floridablanca, Colombia.
Cornea
|February 9, 2024
概括
人工智能准确地使用镜像显微镜来描述Fuchs角膜内皮质变质症 (FECD). 肠道面积比与临床分级有很强的相关性,有助于FECD评估和治疗监测.
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:
- 福克斯角膜内皮质变质症 (FECD) 是一种影响角膜清晰度的渐进性疾病.
- 准确的FECD表征对于患者管理和预测疾病进展至关重要.
- 镜像显微镜是评估角膜内皮的关键诊断工具.
研究的目的:
- 评估人工智能 (AI) 在分析从镜像显微镜图像的形态参数中的有效性.
- 将AI衍生的测量与传统方法和临床分级尺度进行比较.
主要方法:
- 使用卷积神经网络 (CNN) 来分割镜像显微镜图像并提取形态参数.
- 分析的参数包括内皮细胞密度,肠道面积比,变化系数和六角性.
- 人工智能衍生的数据与使用修改后的克拉赫默分级尺度的临床FECD分类相关联.
主要成果:
- 在基于人工智能和显微镜软件的细胞密度测量之间观察到显著差异.
- 肠道面积比率与FECD临床等级有很强的相关性,特别是在中央角膜.
- 周围肠道面积比率在下部区域显示出较弱,但显著的相关性.
结论:
- 卷积神经网络 (CNN) 是通过镜像显微镜精确评估FECD的宝贵工具.
- 肠道面积比为评估FECD严重性的可靠参数,与临床分级保持一致.
- 这些发现支持AI在预测角膜风险和监测FECD疗法方面的作用.
