开发深度学习模型,以使用UWF-OCT图像选高度近视眼睛的后部稳形瘤
Yining Wang1, Changyu Chen1, Ziye Wang1
1Department of Ophthalmology and Visual Science, Institute of Science Tokyo, Tokyo, Japan.
Translational vision science & technology
|June 12, 2025
概括
深度学习模型使用超广场OCT图像在高度近视患者中准确地检测后部稳形瘤边缘. 这种人工智能系统有助于眼科医生查葡萄状瘤,改善临床管理.
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:
- 后部稳形瘤是高度近视眼睛的重要并发症.
- 早期检测和管理对于预防进一步的视力丧失至关重要.
研究的目的:
- 开发和评估深度学习 (DL) 模型,用于查后部稳形瘤.
- 使用超广场光学连贯断层扫描 (UWF-OCT) 图像来检测树突瘤边缘.
主要方法:
- 对来自438名高度近视患者的1428张UWF-OCT图像进行了回顾性分析.
- 训练了七个DL架构 (VGG16,VGG19,ResNet,DenseNet) 来识别树突瘤边缘.
- 使用接收器操作特征曲线 (AUC) 下面的面积来评估模型性能.
主要成果:
- 在DL模型中,在稳形瘤边缘检测方面,AUC达到0.794到0.903之间.
- VGG19模型表现出高灵敏度 (0.871),与视网膜专家相美.
- 热图证实了DL模型的葡萄瘤边缘的精确定位.
结论:
- 开发的DL模型可靠地识别了后部葡萄瘤边缘的高精度.
- 这些人工智能工具有望提高高度近视患者的临床管理.
- 该系统有助于眼科医生在高近视时查后部稳形瘤.
