在超声波生物显微镜图像中基于深度学习的前段识别和初级角度闭合疾病的参数评估
Fangting Li1,2, Xiaoyue Zhang3, Kangyi Yang1,2
1Department of Ophthalmology, Peking University People's Hospital, Beijing, China.
BMJ open ophthalmology
|January 21, 2025
概括
一个人工智能算法准确地识别了前段结构,并使用超声生物显微镜 (UBM) 图像测量了初级角度闭合疾病 (PACD) 的关键参数,证明了临床使用的可行性和可靠性.
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:
- 主要角关闭疾病 (PACD) 的诊断依赖于超声波生物显微镜 (UBM) 图像的手动分析.
- 准确识别前段结构和测量角度参数对于PACD评估至关重要.
研究的目的:
- 开发和验证人工智能 (AI) 算法,用于在UBM图像中自动识别前段结构.
- 评估算法的测量PACD相关关键参数的能力.
主要方法:
- 基于深度学习的多组织细分模型是使用来自592个受试者的2339张UBM图像来开发的.
- 该模型自动识别出角膜,虹膜,状体和状.
- 测量了关键的角度参数,包括角度开口距离 (AOD 500),脊椎-角 (TCA) 和虹膜面积.
- 模型的性能在两个中心的45个受试者的222张UBM图像上得到验证.
主要成果:
- 人工智能模型在细分眼睛结构方面取得了很高的准确性,角膜,虹膜和眼体的平均交叉与欧盟 (IoU) 值为0.98.
- 截面刺激局部化显示平均误差距为0.49至1.42像素,具体取决于图像类型.
- 与手动评估相比,自动测量显示的差异很小:AOD为3.07微米,TCA为3.34度,虹膜面积为0.05毫米2.
结论:
- 开发的AI算法用于PACD眼中的多组织识别是可行的.
- 使用这种AI方法自动测量角度参数是可靠的临床应用.
