通过超宽场OCT对早产期视网膜病变的自动量化量化
Spencer S Burt1, Aaron S Coyner1, Elizabeth V Roti1
1Casey Eye Institute, Oregon Health and Science University, Portland, Oregon.
Ophthalmology science
|January 27, 2025
概括
深度学习使用OCT扫描精确测量早产视网膜病变 (ROP) 中异常神经血管组织体积 (ANVTV). 这种定量生物标志物与ROP阶段相关,有助于客观诊断和监测.
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:
- 早产性视网膜病变 (ROP) 的分期依赖于血管-血管边界的视觉评估.
- 以前的研究表明,脊病变厚度和ROP阶段之间存在相关性.
- 为了提高客观性,需要用于ROP评估的定量生物标志物.
研究的目的:
- 评估使用深度学习自动测量异常神经血管组织体积 (ANVTV) 的可行性.
- 开发用于ROP的基于OCT的定量生物标志物.
- 评估ANVTV和ROP临床阶段之间的相关性.
主要方法:
- 对33名ROP.婴儿的超宽场OCTB扫描进行了回顾性分析.
- 开发U-Net深度学习模型,用于自动化ANVTV细分.
- 自动细分与手动细分 (迪斯-索伦森系数) 的验证和ANVTV与ROP阶段相关的临床评估.
主要成果:
- 与手动细分相比,自动化的ANVTV细分实现了0.61±0.13的Dice-Sorensen系数.
- ANVTV 量与 ROP 阶段 (1,2,3) 有显著的关联.
- 随着ROP阶段的恶化,中位数ANVTV逐渐增加 (P < 0.001).
结论:
- 基于OCT的自动ANVTV测量是ROP的一个可行的定量生物标志物.
- 这种方法显示了与临床ROP疾病阶段的横截面和纵向关联.
- 具有深度学习的超广场OCT有望实现客观的ROP查,诊断和监测.
