在光学相干断层扫描上通过细粒度图像分类检测糖尿病黄斑的模式
Xin Ye1,2, Wangli Qiu3, Linzhen Tu4
1Zhejiang Provincial People's Hospital, Hangzhou, Zhejiang, China.
BMJ open ophthalmology
|April 15, 2025
概括
使用SSA-Net的AI系统有效地从OCT图像中检测出糖尿病黄斑 (DME) 模式. 热图证实AI发现与专家分析一致,显示各种病理特征的高准确性.
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:
- 糖尿病黄斑 (DME) 是导致视力丧失的主要原因.
- 准确检测DME的病理模式对于有效治疗至关重要.
- 光学连贯断层扫描 (OCT) 是DME评估的关键成像方式.
研究的目的:
- 开发一种人工智能 (AI) 系统,用于检测糖尿病黄斑 (DME) 的病理模式.
- 通过使用OCT图像,对7种不同的DME病理模式进行细粒度图像分类.
- 通过热图验证人工智能系统的性能和可解释性.
主要方法:
- 人工智能系统是使用两部分过程开发的:在公共数据集 (APTOS) 上进行预训练和在本地数据集上进行训练.
- 分隔次空间注意网络 (SSA-Net) 架构被用来训练独立模型来检测七个DME模式.
- 模型性能使用混矩阵,灵敏度,特异性和接收器操作特征 (ROC) 曲线进行评估.
主要成果:
- SSA-Net架构在测试集上的DME病理模式的细粒度分类方面表现出很高的性能.
- 在所有七个检测到的模式中,ROC曲线下的面积都超过了0.88,其中几个达到>0.99.
- 生成的热图为AI检测提供了视觉解释,与视网膜专家的评估保持一致.
结论:
- 拟议的SSA-Net架构在检测DME的病理模式方面取得了令人满意的准确性.
- 人工智能系统的热图输出提供视觉解释性,与专家分析一致.
- 建议在未来进行多中心试验,以进一步验证人工智能系统在各种临床环境中的性能.
