从使用深度学习模型的斑点光学连贯断层扫描对轴长度的预测
Richul Oh1,2, Myeongkyun Kang3, Jeeyun Ahn2,4
1Department of Ophthalmology, Seoul National University Hospital, Seoul, Korea.
Translational vision science & technology
|September 12, 2024
概括
一个深度学习模型使用光学连贯断层扫描 (OCT) 图像准确地预测眼睛的轴长 (AL). 双输入模型表现出卓越的性能,突出了OCT.
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:
- 精确测量轴长度 (AL) 对于眼科诊断和折射误差预测至关重要.
- 光学连贯断层扫描 (OCT) 提供了视网膜和胸膜的高分辨率横截面图像.
研究的目的:
- 开发和评估一个深度学习模型,用于从光学连贯断层扫描 (OCT) 图像中预测轴长 (AL).
- 评估不同OCT图像输入配置 (水平,垂直,双输入) 的性能,用于AL预测.
主要方法:
- 追溯分析9064只眼睛的AL测量和OCT图像.
- 使用了ResNet-152架构,具有5倍交叉验证.
- 使用水平OCT,垂直OCT和双输入 (水平+垂直) 图像进行训练的模型.
主要成果:
- 双输入深度学习模型在内部测试集中实现了0.592mm的平均绝对误差 (MAE) 和0.847的R平方 (R2).
- 外部测试组验证显示MAE为0.556毫米,R2为0.663.
- 双输入模型在两组测试中都在±1.0毫米的误差范围内实现了>83%的准确性.
结论:
- 一个基于深度学习的模型可以准确地从OCT图像中预测轴长.
- 双输入模型,利用横向和垂直的OCT图像,显示出最好的预测性能.
- 黄斑OCT图像具有使用AI预测AL的巨大潜力.
