使用生成对抗网络预测中枢血清性胆色素变异的短期解剖预后

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:

• 中央血清性胆色素变异症 (CSC) 是一种影响视力的疾病.
• 在CSC中预测疾病进展和治疗反应对于患者管理至关重要.
• 多模态光学连贯断层扫描 (OCT) 提供了视网膜的详细成像.

研究的目的:

• 训练生成对抗网络 (GAN) 模型,用于在CSC中生成预测性OCT图像.
• 评估GANs在预测OCT发现方面的能力,观察后3个月.
• 利用多模式的OCT数据来增强预测成像.

主要方法:

• 使用Cirrus OCT成像从440名CSC患者.
• 收集了基线的OCT B扫描,面对面的胆管和面对面的圆形区域图像.
• 训练有素的GAN模型 (UNIT,CycleGAN,RegGAN) 使用基线数据预测3个月的OCT图像.

主要成果:

• 生成的OCT图像在预测色素上皮质脱落 (PED) 和子皮质超反射物质 (SHRM) 中表现出高准确度.
• 与其他模型相比,RegGAN模型在预测CSC特征方面表现优越.
• 这些模型在关键的OCT发现方面实现了良好的灵敏度,特异性和预测值.

结论:

• GAN模型在为CSC生成预后性OCT图像方面表现有希望.
• 这些预测能力可以帮助预测疾病活动和指导治疗策略.
• 人工智能驱动的OCT图像生成为CSC管理提供了一种新的方法.