人与人工智能对比:对视网膜层和流体细分的深度学习模型的验证 在光学一致性断层扫描中 图像来自与年龄相关的黄斑退行症患者

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:

• 人工智能 (AI) 模型越来越多地用于分析光连贯断层扫描 (OCT) 生物标志物.
• 预测疾病进展和识别诊断标记是关键应用.
• 对人工智能算法与黄金标准方法的验证对于临床采用至关重要.

研究的目的:

• 通过外部验证深度学习 (DL) 算法来对OCT图像中的视网膜层和液体进行细分.
• 将DL算法的性能与标准OCT软件的手动调整进行比较.
• 评估DL系统在识别与年龄相关的黄斑变性 (AMD) 生物标志物的可靠性.

主要方法:

• 分析了60张来自健康受试者和中级和外泄性AMD患者的OCT图像.
• 一个深度学习算法的细分与海德堡Spectralis软件的手动调整进行了比较.
• 进行了视网膜厚度和流体面积的定量分析,以评估差异.

主要成果:

• 在所有组中,在DL系统和黄金标准方法之间发现了中度至强度的相关性.
• 观察到几乎完美的区域重叠,除了内部段圆形 (ISE) 层的例外.
• DL系统检测到视网膜外壁厚度的显著差异,并准确地识别出泄露性AMD中的液体.

结论:

• 经过验证的深度学习系统是一个可靠的工具,用于访问DMA的OCT生物标志物.
• 该系统显示有潜力帮助眼科医生在OCT成像管理和治疗决策中.
• 建议进一步进行现实世界的验证,以确认DL系统的临床实用性.