自动确定从捐赠者角膜内皮细胞图像中内皮细胞密度的内皮细胞图像

科学领域:

• 眼科医生 眼科 眼科
• 医疗成像医学成像
• 医疗保健中的人工智能

背景情况:

• 准确评估供体角膜内皮细胞密度 (ECD) 对于成功移植至关重要.
• 手动评估内皮细胞图像是耗时的,需要专门的培训.

研究的目的:

• 开发和验证自主监督的深度学习模型,用于自动测定从供体角膜图像的内皮细胞密度 (ECD).
• 将深度学习模型的准确性和效率与手动ECD评估进行比较.

主要方法:

• 利用了15,138张捐赠角膜内皮细胞 (EC) 图像的大数据集,进行自我监督的深度学习培训和推断.
• 在174张图像的单独数据集上使用监督深度学习模型进行细胞边界细分.
• 在1939年的测试图像上对手工计数进行评估的自动ECD测量.

主要成果:

• 自动和手动ECD测量之间的优异一致性 (rc=0.77,偏差=123个细胞/mm2).
• 81%的自动ECD值在手动值的10%以内.
• 对剪裁图像的分析显示了更高的一致性 (rc=0.88,bias=46 cells/mm2),其中93%的值在10%以内.

结论:

• 深度学习分析从供体角膜图像提供精确的内皮细胞密度 (ECD) 测量.
• 自动化方法有可能显著减少眼睛银行技术人员的分析时间和培训要求.
• 这种方法可以扩展到更广泛的内皮健康的定量评估,而不仅仅是细胞密度.