基于深度学习的纠正白内障诱导对黄斑色素光密度测量的影响,通过自光谱学进行自光谱学测量
Akira Obana1,2, Kibo Ote3, Yuko Gohto1
1Department of Ophthalmology, Seirei Hamamatsu General Hospital, Hamamatsu City, Shizuoka, Japan.
PloS one
|February 13, 2024
概括
深度学习 (DL) 纠正了白内障引起的黄斑色素光密度 (MPOD) 低估. 这种方法在外部验证中显示出更高的准确性,特别是在优质图像中.
科学领域:
- 眼科医生 眼科 眼科
- 生物医学工程 生物医学工程
- 人工智能的人工智能
背景情况:
- 斑点色素光学密度 (MPOD) 测量在使用自光谱学的白内障眼睛中被低估.
- 以前的深度学习 (DL) 校正方法是内部验证的,需要外部验证.
研究的目的:
- 为了外部验证基于DL的纠正方法,以对白内障眼睛的MPOD低估进行验证.
- 评估DL校正在不同自流光图像质量的性能.
主要方法:
- 训练了一种DL模型,从手术前的测量中预测正确的MPOD值.
- 在白内障手术前后的培训和外部验证数据集中测量了MPOD和斑点色素光学体积 (MPOV).
- 根据验证数据集中的实际术后值,评估了DL模型的预测准确性.
主要成果:
- 与没有校正相比,DL校正显著减少了MPOD和MPOV中的错误 (P < 0.001).
- 经过纠正的MPOD/MPOV的平均绝对误差在验证集中介于8.2-12.4%之间.
- 校正性能取决于自光图像质量,高/中等质量的图像得到更好的结果.
结论:
- 对于白内障眼中的MPOD低估的DLL校正方法是外部验证的.
- DL有效地减少了测量误差,特别是在优质的自流光镜图像中.
- 目前的DL方法不能充分纠正质量差的图像.
