使用人工智能从使用前段光学一致性断层扫描开发的灯图像来估计前腔室深度

科学领域:

• 眼科医生 眼科 眼科
• 人工智能的人工智能
• 医疗成像医学成像

背景情况:

• 主要角闭眼光眼 (PACG) 是导致视力丧失的主要原因,特别是在亚洲人群中.
• 目前的PACG选方法复杂,耗时,需要专门的专业知识.
• 前腔深度 (ACD) 是关闭角度的关键风险因素,使其成为潜在的快速选参数.

研究的目的:

• 开发一种人工智能 (AI) 算法,用于对前腔深度 (ACD) 的定量预测.
• 用便携式智能手机裂变灯显微镜拍摄的前段照片进行ACD估计.
• 在PACG选中建立人工智能驱动的定量测量的基础.

主要方法:

• 从1586只眼睛收集了204,639个的回顾性收集,通过前段OCT测量了ACD值.
• 使用SWSL ResNet开发两种AI模型:用于诊断框架提取的模型1和用于ACD估计的模型2.
• 使用准确性,平均绝对误差 (MAE),平均平方误差 (MSE) 和相关性等指标验证模型性能.

主要成果:

• 模型1在选中实现了0.994的精度.
• 模型2在ACD估计中表现出高准确度,MAE为0.093 ± 0.082毫米,相关性为R = 0.953.
• 人工智能模型对角关闭的风险估计显示灵敏度为0.943,特异性为0.902,AUC为0.923.

结论:

• 成功开发了一种高性能人工智能模型,用于从智能手机灯图像中进行ACD估计.
• 这种人工智能工具显示了提高PACG查效率和可访问性的巨大潜力.
• 开发的模型为预测PACG检测至关重要的其他定量测量铺平了道路.