在自适应光学中自动化形光感应器检测 泛光照明 眼镜镜镜
Sander Wooning1,2, Pam A T Heutinck3,4, Kubra Liman3,4
1Biomedical Imaging Group Rotterdam, Department of Radiology & Nuclear Medicine, Erasmus MC, Rotterdam, The Netherlands.
Ophthalmology science
|March 21, 2025
概括
一个新的深度学习模型,AO-FIO ConeDetect,准确地检测适应光学泛光眼镜镜 (AO-FIO) 图像中的光受体细胞. 这种先进的工具与人类评分器的性能相匹配,并超越现有的软件,加速视网膜分析.
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:
- 形光受体细胞对于高敏度视觉至关重要.
- 适应光学泛光眼镜 (AO-FIO) 能够在体内对视网膜细胞进行成像.
- 准确检测形细胞对于诊断和监测视网膜疾病至关重要.
研究的目的:
- 开发和验证深度学习 (DL) 模型,用于使用AO-FIO进行自动化形光受体细胞检测.
- 将DL模型的性能与人类分级器和制造商软件进行比较.
主要方法:
- 一个基于U-Net的DL模型被训练在18名健康参与者的625个AO-FIO图像补丁上.
- 该模型使用树结构的Parzen估计器进行了参数优化.
- 使用F1评分评估性能,将模型与3个机构和制造商软件 (AOdetect Mosaic) 的手册注释进行比较.
主要成果:
- 开发的DL模型实现了0.89 ± 0.04的平均F1得分.
- 模型性能 (F1分数:0.870.81) 在不同的视网膜异常度中与跨年级协议 (0.840.76) 相似.
- DL模型的性能优于制造商软件 (AOdetect Mosaic) 的自动检测,特别是在较高的偏心 (7°10°T) 时.
结论:
- AO-FIO ConeDetect 模型在检测来自 AO-FIO 图像的形细胞方面表现出高精度.
- 该模型的性能与专家评分器相美,超过当前的自动化软件,减少了手动校正的需要.
- 这项技术有可能在临床和研究环境中显著加速形马赛克分析.
