深度学习的试点研究,用于在超声波生物显微镜中自动对硫到硫直径进行轮
Xiaohong Zheng1,2,3,4,5, Xiaokang Li6, Ke Hu6
1Eye Institute and Department of Ophthalmology, Eye & ENT Hospital, Fudan University, Shanghai, 200031, China.
概括
使用YOLOv8的深度学习 (DL) 算法从超声波生物显微镜 (UBM) 图像中准确预测硫到硫 (STS) 直径以及STS平面和前层晶状镜片表面 (STSL) 之间的距离,显著缩短测量时间.
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:
- 眼内科尔默 (ICL) 植入具有挑战性,因为难以确定适当的透镜尺寸.
- 精确测量状至状 (STS) 直径对于成功的ICL手术至关重要.
- 目前用于测量STS和相关参数的方法可能耗时且可变.
研究的目的:
- 开发和验证基于YOLOv8的深度学习 (DL) 算法,用于自动预测STS直径和STS平面与前层晶体镜片表面 (STSL) 之间的距离.
- 评估DL算法的准确性和可靠性与超声波生物显微镜 (UBM) 图像的手动测量相比.
- 评估DL算法的潜力,以提高临床环境中的效率.
主要方法:
- 使用了100名近视患者进行ICL植入的400张UBM图像的数据集.
- 数据集被随机划分为培训,验证和测试集 (8:1:1比).
- 采用YOLOv8算法定位状和前置透镜囊,然后进行自动距离计算. 使用布兰德-阿尔特曼测试和类间相关系数 (ICCs) 对手册标签和外部专家进行了准确性比较.
主要成果:
- 与手动标签相比,DL预测的STS和STSL显示出高准确度,并显著减少了98.80%的轮时间.
- 在测试组中,STS的预测误差为3.27±2.01%,在外部测试组中为4.10±3.00%.
- 在测试组中,STSL的预测误差为67.95±140.09%,在外部测试组中为49.66±42.73%,STS的ICC为0.312和STSL的ICC为0.086.
结论:
- 基于YOLOv8的DL算法在从UBM图像中测量STS和STSL时显示出高精度和效率.
- 自动化方法有可能对ICL手术规划的临床工作流产生积极影响.
- 进一步验证和完善可能会提高STSL预测的可靠性.
