在光学连贯断层扫描血管学 (OCTA) 中以矢量量化变量自编码器 (VQ-VAE) 检测异常
Hana Jebril1, Meltem Esengönül1, Hrvoje Bogunović1,2
1Lab for Ophthalmic Image Analysis, Department of Ophthalmology and Optometry, Medical University of Vienna, 1090 Vienna, Austria.
Bioengineering (Basel, Switzerland)
|July 27, 2024
概括
这项研究引入了一种新的深度学习模型,用于检测光学连贯断层扫描血管图 (OCTA) 扫描中的异常,有助于识别视网膜疾病和全身疾病.
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:
- 光学连贯断层扫描血管造影 (OCTA) 对于评估视网膜血液流动至关重要.
- 视网膜 perfusion 的异常可能是眼睛或全身疾病的信号.
研究的目的:
- 开发和评估基于深度学习的OCTA图像异常检测模型.
- 为了识别和定位表明潜在健康问题的异常.
主要方法:
- 使用了矢量量化变量自动编码器 (VQ-VAE) 与自动回归 (AR) 建模的组合来进行表示学习.
- 采用贝叶斯式U-Net用于血管细分系统的认识不确定性估计.
主要成果:
- 在DRAC数据集上达到0.92的接收器运行特征曲线 (AUROC) 下面面积,在OCTA-500数据集上达到0.75,用于异常检测.
- 证明有效的异常局部化,在DRAC数据集上平均Dice分数为0.61.
结论:
- 拟议的深度学习模型有效地检测OCTA扫描中的异常.
- 这是第一个专门针对OCTA成像中的异常检测的研究.


