人工智能与基于规则的方法对DRCR视网膜网络中的非 perfusion 区域进行细分 光学一致性断层扫描血管学数据集
Tristan T Hormel1, Wesley T Beaulieu2, Jie Wang1
1Oregon Health and Science University, Portland, Oregon, United States.
Investigative ophthalmology & visual science
|March 10, 2025
概括
在糖尿病视网膜病变 (DR) 中测量非 perfusion 区域 (NPA) 的新人工智能 (AI) 算法显示,与基于规则的 (RB) 方法相比,性能优越,改善了DR严重性评估.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 人工智能在医学中的应用
背景情况:
- 糖尿病视网膜病变 (DR) 的发病和进展与视网膜 perfusion 的减少有关.
- 光学连贯断层扫描血管造影 (OCTA) 提供了一种非侵入性方法来量化非 perfusion 区域 (NPA).
- OCTA有可能成为DR的可扩展查工具.
研究的目的:
- 为了比较两个OCTA算法在糖尿病视网膜病变中量化NPA的性能.
- 评估基于规则 (RB) 的算法与基于深度学习的人工智能 (AI) 的算法.
- 评估算法与DR严重程度相关的能力,并诊断可引用的DR.
主要方法:
- 从20个美国站点招募了274名没有DR的个人和101名DR的个人.
- 使用Optovue RTVue-XR.获得3x3mm黄斑扫描.
- 应用RB和AI算法对四个解剖板进行NPA细分,为子集 (n=50) 进行手动分级.
主要成果:
- 与RB方法相比,人工智能方法在联合,召回和F1得分方面表现出更好的交叉.
- 与人工智能方法相比,RB方法的精度比人工智能方法更好,相对于所有板块的手动分级 (P ≤ 0.001).
- 人工智能方法与DR严重程度的等级相关性更强,在大多数视网膜中,可参考的DR的诊断性能更好.
结论:
- 基于人工智能的OCTA方法与手动分级比RB方法更好地证明了一致性.
- 人工智能算法比RB方法更有效,可以在大多数视网膜中区分临床显著的DR严重程度.
