利用深度学习在老年人群中检测糖尿病视网膜病变,使用光学连贯性断层扫描血管学-OCTA:一个有前途的方法
Pooja Bidwai1, Shilpa Gite1,2, Biswajeet Pradhan3
1Symbiosis Centre for Applied Artificial Intelligence (SCAAI) Symbiosis Institute of Technology, Symbiosis International (Deemed University) (SIU), Lavale, Pune 412115 India.
MethodsX
|September 16, 2024
概括
使用光学连贯断层扫描血管学 (OCTA) 进行深度学习,可提高对老年患者糖尿病视网膜病变 (DR) 的早期检测. 这项技术有助于临床医生分类DR阶段,防止老年人群的视力丧失.
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:
- 糖尿病视网膜病变 (DR) 在老年人中的患病率带来了检测挑战.
- 光学连贯断层扫描血管学 (OCTA) 提供了详细的视网膜成像.
- 深度学习 (DL) 显示了自动化医疗图像分析的潜力.
研究的目的:
- 开发和评估一种基于DL的方法,用于使用OCTA扫描检测和分类老年患者的DR严重程度.
- 评估各种卷积神经网络 (CNN) 模型对老年人DR分类的有效性.
主要方法:
- 从179名老年人 (糖尿病人和非糖尿病人) 收集了262个OCTA扫描.
- 在 OCTA 图像上训练了多个 CNN 模型 (Inception V3,ResNet-50/50V2,VggNet-16/19,DenseNet121/201,EfficientNetV2B0).
- 根据提取的特征分类DR严重程度水平.
主要成果:
- 证明了OCTA和DL在早期老年眼科护理中的潜力.
- 强调了技术进步在管理与年龄相关的眼部疾病中的作用.
- 展示了该方法在准确识别DR阶段的有效性,以便及时干预.
结论:
- 与DL结合的OCTA显著提高了老年人糖尿病视网膜病变的诊断准确性.
- 这种人工智能驱动的方法为临床医生提供了可靠的DR分类帮助.
- 这种方法有助于及时进行干预,这对于预防老年人群视力丧失至关重要.
