基于跨仪器光学连贯性断层扫描-血管学 (OCTA) 的预测,使用人工智能预测与年龄相关的黄斑变性 (AMD) 疾病活动

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:

• 与年龄相关的黄斑变性 (AMD) 是导致视力丧失的主要原因.
• 准确及时诊断AMD活动对于有效治疗至关重要.
• 光学连贯断层扫描-血管学 (OCTA) 为AMD评估提供了详细的血管成像.

研究的目的:

• 评估深度神经网络 (DNN) 在预测AMD活动中的有效性.
• 评估在跨仪器OCTA数据集上训练的DNN的性能.
• 确定跨仪器培训对临床应用的可行性.

主要方法:

• 一项回顾性研究分析了来自海德堡Spectralis和Optovue Solix设备的2D面对面OCTA图像.
• OCTA扫描被分为正常,干燥的AMD,活跃的湿AMD和缓解的湿AMD.
• 通过使用来自两种OCTA工具的单独和组合数据集来训练DNN.

主要成果:

• 在综合数据集上的训练在海德堡测试中获得了78%的准确性,在Optovue测试中达到76%的准确性.
• 与单一仪器培训相比,跨仪器培训显著提高了预测准确度.
• 只有海德堡的培训在海德堡的准确率为73%,在Optovue的准确率为60%.
• 只有视觉训练的结果是海德堡的准确率为34%,Optovue的准确率为85%.

结论:

• 跨仪器分类器培训是预测AMD活动的可行方法.
• 使用OCTA血管形态的DNN在不同仪器中显示了高的分类准确性.
• 这种方法对未来在AMD管理中的临床应用具有前景.