基于CT图像的自动眼球体积测量,使用基于神经网络的细分和简单估计
Sujeong Han1, Jeong Kyu Lee2, Daewon Lee3
1Department of Artificial Intelligence, Chung-Ang University, Seoul, 06974, Republic of Korea.
Scientific reports
|July 2, 2024
概括
一种新的自动化方法准确地从CT扫描中估计眼球体积,并结合眼球形状,以便更好地监测近视的进展. 这种技术改进了现有的诊断眼部疾病的方法.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 生物医学工程 生物医学工程
背景情况:
- 越来越多的数字设备使用与近视发病率的增加相关,近视是眼部疾病的危险因素.
- 眼球体积与近视有关,使其准确估计对于监测进展至关重要.
- 目前的眼球体积估计方法经常忽视实际的眼球的复杂形状,限制了准确性.
研究的目的:
- 开发一种自动化方法,通过计算机断层扫描 (CT) 图像来估计眼球体积.
- 将眼球形状的先前知识纳入体积估计过程中.
- 提高眼球体积估计的准确性,以监测近视的进展,并帮助诊断眼部疾病.
主要方法:
- 一个多步骤的过程,涉及数据预处理,图像细分和体积估计.
- 使用各种深度学习模型 (U-Net,HFCN,DeepLab v3+,SegNet,HardNet-MSEG) 来进行眼球图像分割.
- 采用了截断圆公式和积分方程的组合来计算体积,根据200名受试者的手动估计进行了验证.
主要成果:
- 在测试的细分模型中,U-Net表现出优越的性能.
- 提出的自动化眼球体积估计方法显著超过了比较技术.
- 实现了高相关系数 (0.819),低平均绝对误差 (0.640) 和低平均平方误差 (0.554).
结论:
- 开发的方法通过考虑眼球形状来提供准确的眼球体积估计.
- 它为监测近视的进展提供了有价值的工具,并可能有助于诊断各种眼睛疾病.
- 该方法表明,它有望扩展到其他眼睛结构的体积估计.
