使用色底图像的自动视网膜图像分析方法,用于选绿斑视神经病变.
Chuying Shi1,2, Jack Lee1, Di Shi3
1Center for Clinical Research and Biostatistics, Jockey Club School of Public Health and Primary Care, Faculty of Medicine, The Chinese University of Hong Kong, Hong Kong, China.
BMJ open ophthalmology
|September 10, 2024
概括
一种自动视网膜图像分析 (ARIA) 方法有效地使用光学连贯断层扫描 (OCT) 数据选绿斑视神经病变 (GON). 综合特征模型在视网膜图像中表现出高精度的青光眼检测.
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:
- 玻璃眼光神经病 (Glaucomatous optic neuropathy,简称GON) 是全球不可逆转失明的主要原因.
- 早期检测和查对于预防视力丧失至关重要.
- 非肌性视网膜图像提供了一种可扩展的方法,用于眼查.
研究的目的:
- 训练用于查GON的自动视网膜图像分析 (ARIA) 方法.
- 利用光学连贯性断层扫描 (OCT) 结果进行增强的标签和验证.
- 根据视网膜图像特征评估不同的GON分类模型.
主要方法:
- 利用了1338张非脑膜视网膜图像与配对的OCT扫描进行培训和10倍交叉验证.
- 作为图像标签的参考标准,就业的OCT结果.
- 开发并比较了使用整个图像特征,光盘ROI,斑点ROI和组合特征的分类模型.
主要成果:
- 在不同的功能集中,ARIA方法实现了高性能指标.
- 使用光盘和斑点区域的模型显示出有希望的结果.
- 结合所有特征的模型产生了最高的灵敏度 (92.5%),特异性 (92.1%) 和准确性 (92.4%),显著优于其他模型 (p<0.001).
结论:
- 一种新的ARIA方法有效地使用彩色 fundus视网膜图像检测青光眼.
- 结合的特征模型代表了自动眼查的重大进步.
- 这种方法为传统查方法提供了潜在的成本效益和准确的替代方案.
