深度神经网络用于中级AMD患者视网膜OCT上的自动化外状层沉降检测
Guilherme Aresta1, Teresa Araujo1, Gregor S Reiter2
1Christian Doppler Laboratory for Artificial Intelligence in Retina, Department of Ophthalmology and Optometry, Medical University Vienna, Vienna, Austria.
Translational vision science & technology
|June 14, 2024
概括
深度神经网络 (DNN) 在光学连贯断层扫描 (OCT) 中准确地检测到外状层 (OPL) 沉降. 这种自动化方法有助于识别与年龄相关的黄斑变性 (AMD) 的早期迹象,并监测疾病的进展.
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:
- 在光学连贯断层扫描 (OCT) 上,外状层 (OPL) 沉降是早期外视网膜缩的关键指标.
- 这种沉降是中期与年龄相关的黄斑变性 (AMD) 地理缩进展的危险因素.
- 自动检测OPL沉降可以帮助早期诊断和监测.
研究的目的:
- 开发和验证深度神经网络 (DNN) 系统,用于在视网膜OCT图像中自动检测和定位OPL沉降.
- 评估DNN系统在识别AMD进展的早期迹象方面的性能.
主要方法:
- 开发了一个DNN系统,包括检测模块 (DM) 和分类模块 (CM).
- 该系统预测了视网膜OCT扫描上的OPL沉降位置,结合和评分重叠的检测.
- 该系统在一个开发数据集 (140名AMD患者) 和一个独立的外部数据集 (26名AMD患者) 上进行了训练和验证.
主要成果:
- 该DNN系统实现了超过85%的OPL沉降的检测,每次扫描不到一个假阳性.
- 检测体积水平曲线下的平均面积为0.94 ± 0.03.
- 在独立的外部数据集上观察到可比或优异的性能.
结论:
- 深度神经网络 (DNN) 提供了一种有效的方法,用于在OCT图像中自动检测OPL沉降.
- 拟议的DNN系统显示了OPL沉降检测的高灵敏度和最小的错误阳性.
- DNN有助于客观识别早期的AMD症状,支持查和干预评估.
