使用深度学习模型来预测形视膜外科手术的术后视觉结果
Hsin-LE Lin1, Po-Chen Tseng2, Min-Huei Hsu3
1From the Department of Ophthalmology (H.L.L, P.C.T), Ren-Ai Branch, Taipei City Hospital, Taipei, Taiwan; Graduate Institute of Data Science (H.L.L, M.H.H), College of Management, Taipei Medical University, Taiwan.
American journal of ophthalmology
|January 15, 2025
概括
深度学习模型使用手术前光学连贯性断层扫描精确预测异常性视膜外科手术的结果. ResNet-101模型表现出卓越的性能,在预测视觉改善方面表现优于人类专家.
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:
- 异形性视网膜 (ERM) 手术旨在改善视力,但预测术后结果仍然具有挑战性.
- 术前光学连贯性断层扫描 (OCT) 提供了详细的结构信息,对于预测结果至关重要.
研究的目的:
- 评估深度学习 (DL) 模型在预测ERM手术后视觉结果方面的有效性.
- 将DL模型的预测性能与人类专家评估进行比较.
主要方法:
- 三个DL模型 (Inception-v3,ResNet-101,VGG-19) 在1392张OCT手术前图像上进行了训练和验证.
- 外部验证使用了152张OCT图像,将DL预测与眼科医生的评估进行了比较.
- 使用Grad-CAM可视化模型决策过程.
主要成果:
- ResNet-101实现了高性能指标,包括0.90回忆,0.90特异性,0.91精度,0.90F1得分,0.90准确性和0.97AUROC.
- 根据Grad-CAM分析,ResNet-101的决策逻辑与临床专业知识一致.
- DL模型显著优于一般眼科医生和非视网膜专家,略高于视网膜专家.
结论:
- 深度学习模型,特别是ResNet-101,在使用外科手术前CTD数据预测ERM手术结果方面非常有效.
- DL模型为在OCT图像中观察到的视觉结果的结构基础提供了有价值的见解.
- 人工智能驱动的预测具有显著的潜力,可以提高ERM管理中的手术规划和患者咨询.
更多相关视频
11:03Subretinal Transplantation of Human Embryonic Stem Cell Derived-retinal Pigment Epithelial Cells into a Large-eyed Model of Geographic Atrophy
Published on: January 22, 2018
10.0K
07:13An Alternative and Validated Injection Method for Accessing the Subretinal Space via a Transcleral Posterior Approach
Published on: December 7, 2016
13.1K