基于深度学习的超声波生物显微镜前段图像中的关键点定位和参数测量
Miao Qinghao1, Zhou Sheng1, Yang Jun1
1State Key Laboratory of Advanced Medical Materials and Devices, Institute of Biomedical Engineering, Tianjin Institutes of Health Science, Chinese Academy of Medical Science and Peking Union Medical College, No. 236, Baidi Road, Nankai District, Tianjin, 300192, The People's Republic of China.
Biomedical engineering online
|May 6, 2025
概括
这项研究开发了一种深度学习模型,可以自动测量超声波生物显微镜 (UBM) 图像中的关键前段参数,从而提高眼科疾病的诊断效率.
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:
- 精确的前段测量对于诊断眼科疾病,如玻璃眼和白内障至关重要.
- 传统的方法耗时,容易出现不准确的情况.
- 人工智能为自动眼科诊断提供了潜力.
研究的目的:
- 开发和评估一种深度学习模型,用于从UBM图像中自动提取关键点并测量前段参数.
- 为了精确测量中部角膜厚度 (CCT),前腔深度 (ACD),瞳孔直径 (PD),角度距离 (ATA),角距离 (STS),透镜厚度 (LT) 和晶体透镜升高 (CLR).
主要方法:
- 使用了716张UBM图像的数据集.
- YOLOv8细分了关键的解剖结构 (角膜 - 结膜,前腔,瞳孔,虹膜 - 皮体).
- 确定了10个关键点来计算7个基本参数,并与临床黄金标准进行比较.
主要成果:
- 分段模型实现了高精度 (mIoU 0.8836,mPA 0.9795).
- 关键点定位错误在分割后减少 (58.73 ± 63.04 μm).
- 参数测量显示了与临床黄金标准的更好的一致性.
结论:
- 对于UBM图像细分,关键点定位和参数测量,深度学习方法是可行的.
- 这种方法提高了前段参数的临床诊断效率.
- 该模型为客观的眼科评估提供了一个有前途的工具.
