深度学习辅助液体体积计算用于评估糖尿病黄斑的抗血管内皮生长因子作用
Yixiao Jin1,2, Shuanghao Yong3, Shi Ke1,2
1Department of Ophthalmology, Shanghai General Hospital, Shanghai Jiao Tong University, School of Medicine, Shanghai, China.
Heliyon
|May 3, 2024
概括
一个新的深度学习算法准确地使用光学连贯断层扫描 (OCT) 扫描测量糖尿病黄斑胀 (DME) 患者的液体. 该工具有助于通过量化内液 (IRF) 和下液 (SRF) 体积变化来评估治疗反应.
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:
- 糖尿病黄斑 (DME) 是导致视力丧失的主要原因.
- 精确量化内液 (IRF) 和下液 (SRF) 对于监测DME进展和治疗疗效至关重要.
- 目前的流体体积评估方法可能是耗时和主观的.
研究的目的:
- 开发和验证一个深度学习算法,用于自动计算DME患者的光学连贯性断层扫描 (OCT) 图像中的IRF和SRF体积.
- 在临床环境中评估算法的性能.
- 探索液体体积减少,患者年龄和视力敏度之间的相关性.
主要方法:
- 基于U-Net架构的深度学习网络被用于自主细分IRF和SRF.
- 该算法从未接受过治疗的DME患者的2,955张OCT图像中计算了液体体积.
- 使用接收器操作特征 (ROC) 曲线评估性能,并分析了与临床参数的相关性.
主要成果:
- 深度学习算法表现出高精度,曲线下的面积 (AUC) 为IRF的0.993和SRF的0.998.
- 在治疗后观察到IRF和SRF体积的显著减少 (p <0.05).
- 在IRF体积减少和患者年龄之间发现了负相关性 (p=0.006).
结论:
- 一个深度学习辅助算法提供了一种敏感和特定的方法来量化DME患者的IRF和SRF体积.
- 这种工具可以帮助客观地评估治疗反应和疾病监测.
- 该算法显示,它有望改善糖尿病黄斑的管理.
更多相关视频
12:28Quantification of Vascular Parameters in Whole Mount Retinas of Mice with Non-Proliferative and Proliferative Retinopathies
Published on: March 12, 2022
3.6K
05:14Author Spotlight: Overcoming Anti-VEGF Resistance Through Advanced Vascular Morphology Assessment in Choroidal Neovascularization
Published on: August 11, 2023
1.1K
