在具有足够信号强度的光学连贯断层扫描中存在高频率的文物
Wei-Chun Lin1, Aaron S Coyner1, Charles E Amankwa1,2
1Department of Ophthalmology, Casey Eye Institute, Oregon Health & Science University, Portland, OR, USA.
Translational vision science & technology
|August 28, 2024
概括
在光学连贯断层扫描 (OCT) 图像中,即使信号强度很好,也常见存在人工物. 像EfficientNetV2这样的深度学习模型擅长识别OCT图像质量问题.
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 (OCT) 对于视网膜成像至关重要.
- 图像质量评估对于准确的海外国家和地区分析至关重要.
- 现有的质量指标可能无法完全捕捉图像工件.
研究的目的:
- 为了确定具有可接受信号强度的OCT图像中的工件的普遍性.
- 评估用于海外国家和地区图像质量评估的深度学习模型.
主要方法:
- 追溯分析了来自546名患者的4555张OCT图像 (信号强度≥6).
- 文物分析和分类. 文物分析和分类.
- 训练和测试五个预训练的卷积神经网络模型,用于质量推理.
主要成果:
- 尽管可接受的信号强度 (21%被认为是不可接受的质量) 在OCT图像中发现了大量的文物.
- 在图像质量分类方面,EfficientNetV2实现了高性能 (AUC 0.950 ± 0.007,AUCPR 0.985 ± 0.002).
结论:
- 仅仅信号强度就不足以可靠地评估海外国家和地区的图像质量.
- 监督深度学习模型提供了一个强大的工具,用于准确的OCT图像质量分类.
- 基于深度学习的质量评估可以增强用于临床和研究的OCT数据.
