用深度语义细分算法评估未经治疗的新血管性AMD中OCT生物标志物变化的评估

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:

• 神经血管与年龄相关的黄斑退化 (nAMD) 是导致视力丧失的主要原因.
• 抗VEGF治疗是一种标准的治疗方法,但OCT生物标志物的实际定量变化尚未得到充分证实.
• 准确的OCT特征细分对于监测治疗反应至关重要.

研究的目的:

• 量化评估接受抗VEGF治疗的未经治疗的nAMD患者的OCT生物标志物的现实生活变化.
• 开发和验证基于深度学习的语义细分算法,用于分析11个OCT特征.
• 建立用于自动细分nAMD相关生物标志物的基准结果.

主要方法:

• 一个基于Deep U-net的语义细分组合算法被训练用于高性能细分.
• 该算法被应用于分析光学一致性断层扫描 (OCT) 功能在抗VEGF治疗之前,并在3个月和12个月后.
• 性能被评估使用F1分数在一个持有测试集.

主要成果:

• 该算法在神经感应视网膜和子视网膜液中获得了高F1分数 (接近1.0) .
• 在治疗后观察到内液,下液,下高反射物质,纤维血管PED和视网膜中心厚度的显著减少.
• 网膜内液,纤维血管PED和ERM预测了不良结果.

结论:

• 开发的细分算法使得OCT扫描对nAMD的有效体积分析成为可能.
• 抗VEGF疗法在前3个月内表现出最显著的影响.
• 逐渐的RPE损失表明视力敏度可能逐渐下降,需要进一步研究个性化治疗方案.