在Stargardt病中使用深度学习自动识别斑块病变,提高了病变检测的敏感性,并使斑块的形态分析成为可能

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:

• 斯塔格特病 (STGD) 是一种常见的遗传性黄斑变质症.
• 斑块病变是STGD的标志,但它们的分类和量化可能具有挑战性.
• 自动识别斑块病变可能有助于诊断和监测疾病进展.

研究的目的:

• 在Stargardt病 (STGD) 中对斑块病变进行分类.
• 评估人工智能 (AI) 在识别和细分STGD患者的斑点方面的能力.
• 为了比较基于人工智能的斑点检测与人类分级员的手动识别.

主要方法:

• 从85名STGD患者的 fundus自光图像的回顾性分析.
• 通过分级器对斑点病变进行手动概述.
• 训练一个深度学习模型,用于基于人工智能的片细分.
• K-表示为斑点形态学分类的聚类.

主要成果:

• 人工智能成功识别了斑块病变,平均子得分为0.53.
• 人工智能检测到较小但较多的斑点与手动概述相比.
• 人工智能表现出更高的灵敏度,但也比人类评分器更高的错误阳性率.
• 确定了两个不同的斑点形态,小圆形斑点与患者年龄相反相关.

结论:

• 在STGD中基于AI的斑点检测提供了更高的灵敏度,但需要优化以减少假阳性.
• 人工智能方法显示出在临床研究中预先选受试者的潜力.
• 需要进一步调查以确定人工智能驱动的斑块量化作为STGD进展的生物标志物的实用性.