基于机器学习的内皮细胞图像分析,对那些接受下层膜内皮角质整形手术的患者进行
Emine Esra Karaca1, Feyza Dicle Işık1, Reza Hassanpour2
1Department of Ophthalmology, 536164 University of Health Sciences, Ankara Bilkent City Hospital , Ankara, Türkiye.
Biomedizinische Technik. Biomedical engineering
|March 16, 2024
概括
这项研究引入了一种机器学习模型,用于在Descemet的膜角质成形术 (DMEK) 后分析角膜内皮细胞. 人工智能准确地细分细胞,帮助评估患者手术后的眼睛健康状况.
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:
- 德塞梅特膜角膜整形术 (DMEK) 是一种恢复视力的手术程序.
- 在DMEK后评估角膜内皮细胞的健康状况对于患者的治疗结果至关重要.
- 手动分析内皮细胞可能是耗时和主观的.
研究的目的:
- 开发和验证用于分析术后角膜内皮细胞图像的机器学习 (ML) 方法.
- 为了自动化DMEK患者内皮细胞的细分和分析.
- 提供内皮细胞健康和密度的客观测量.
主要方法:
- 一个AlexNet模型被训练用于内皮细胞细分和位置确定.
- 基于区域的卷积神经网络 (R-CNN) 用于细胞检测.
- 内皮细胞密度和六角性是基于细分细胞结构来计算的.
主要成果:
- 在细胞检测方面,ML模型实现了86.15%的准确性和0.857的F1得分.
- 分段方法的结果是曲线下的面积 (AUC) 值为0.764.
- 这些结果表明,ML方法可以可靠地取代手动细胞检测方法,如体内共聚焦显微镜 (IVCM).
结论:
- 一种用于内皮细胞细分的机器学习模型有效评估DMEK患者的角膜健康状况.
- 开发的AI工具为术后监测提供了一种可靠且潜在更有效的方法.
- 这种方法可以帮助临床医生评估DMEK手术和患者康复的成功.
