早期检测斑点缩通过2D和3DUnet深度学习自动化
Wei Wei1,2,3, Radhika Pooja Patel1,2, Ivan Laponogov1
1Department of Surgery and Cancer, Imperial College London, London SW7 2AZ, UK.
Bioengineering (Basel, Switzerland)
|January 8, 2025
概括
一种新的深度学习方法可以准确检测黄斑缩 (MA),这是与年龄相关的黄斑退化 (AMD) 的不可逆转阶段. 这种自动化工具有助于早期检测MA,这对于管理这种导致失明的主要原因至关重要.
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:
- 黄斑缩 (MA) 是与年龄相关的黄斑退化 (AMD) 的不可逆转后果.
- AMD 是全球不可逆转失明的主要原因.
- 早期发现MA仍然是一个重大的临床挑战.
研究的目的:
- 开发和验证一种新的自动化方法来识别AMD患者的MA.
- 为了利用光学连贯断层扫描 (OCT) 成像来检测MA.
- 评估用于MA识别的2D和3D联合Unet架构的性能.
主要方法:
- 使用了2D和3DUnet深度学习架构的组合.
- 在89名患者的125只眼睛中,对1241个体积OCT扫描进行了训练.
- 专注于在OCT图像中识别六种已确定的与缩相关的结构变化.
主要成果:
- 获得了0.90 ± 0.14的平均子相似系数.
- 获得的平均F1得分为0.89 ± 0.14,表明高精度.
- 与人类分级器相比,表现优越 (平均相似度为0.71±0.27).
结论:
- 开发的深度学习工具在自动化MA检测方面表现出高效.
- 这种人工智能驱动的方法为AMD患者的监测提供了一个有希望的解决方案.
- 通过这种工具早期检测MA可以支持临床决策和患者管理.
