一个具有拓意识的自动分级模型从完整的角膜光染色图像评估角膜上皮损伤

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:

• 角膜光染色 (CFS) 成像对于评估角膜上皮损伤至关重要.
• 自动化CFS图像分级可以减少主观性,提高诊断效率.
• 当前的方法往往忽略了染色区域的空间分布,限制了准确性.

研究的目的:

• 使用CFS图像开发一个三阶段的角膜上皮损伤评估自动模型.
• 通过整合染色区域的拓特征来优化分级.
• 为了提高角膜上皮损伤评估的准确性.

主要方法:

• 精确的角膜定位使用强度和相位信息.
• 通过多尺度形态顶帽操作员检测染色区域.
• 为整体分级模型构建具有拓,纹理和形态特征的多尺度图形.

主要成果:

• 拟议的模型在内部数据集上实现了高精度 (0.7589),F1得分 (0.7449) 和AUC (0.9335).
• 拓特征在分级方面明显优于其他个体特征.
• 该模型证明了对角膜上皮损伤的有效评估.

结论:

• 开发的模型有效地使用CFS图像对角膜上皮损伤进行分级.
• 纳入拓特征对于准确评估空间染色模式至关重要.
• 这种方法有可能改善疾病分类和干眼管理中的临床决策.