在光学连贯断层扫描图像中通过对比图规范化来识别视网膜病变,这些图像具有较少的标记数据
Songqi Hu1, Hongying Tang2, Yuemei Luo3
1School of Information Engineering, Shanghai University of Maritime, 1550 Haigang Avenue, Shanghai 201306, China.
Biomedical optics express
|September 30, 2024
概括
这项研究引入了一种新的检测视网膜病变的方法,使用光学连贯性断层扫描 (OCT) 图像和最小的标记数据. 该方法实现了专家级别的性能,大大减少了医疗成像分析中需要广泛的手动注释的需要.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 计算机视觉 计算机视觉
背景情况:
- 从光学相干断层扫描 (OCT) 图像中检测糖尿病视网膜病变对于及时干预至关重要.
- 传统的计算机视觉方法需要大量的注释数据集,这些数据集的获取是昂贵和耗时的.
- 使用有限的标记数据开发高效的视网膜病变检测模型是一个重大挑战.
研究的目的:
- 提出一种新的对比图规律化方法来检测视网膜病变,使用较少的标记的OCT图像.
- 通过减少对大量手动注释的依赖来提高自动视网膜病变检测系统的性能.
- 调查结合类预测概率和嵌入式图像表示的有效性,以改进模型训练.
主要方法:
- 开发了一种新的对比图规律化技术,集成类预测概率和嵌入式图像表示.
- 记忆光滑约束被用来通过在嵌入空间中聚集附近的样本来完善伪标签.
- 该方法在两个广泛使用的OCT数据集上进行了训练和评估,使用了有限数量的标记图像.
主要成果:
- 拟议的方法实现了高分类准确性 (>0.96) 和在CTTO数据集上曲线下的面积 (AUC) 为0.998.
- 只有80张标记的OCT图像才能达到专家级别的性能.
- 该方法超过了大多数人类专家的表现,只有160个标记图像.
结论:
- 新的对比图规范化方法有效地检测OCT图像中的视网膜病变,标记数据要求显著减少.
- 这种方法为克服医学图像分析中数据注释瓶提供了一个有希望的解决方案.
- 这些发现表明,有可能在眼科中开发更容易获得和更有效的AI驱动的诊断工具.
