在ERM手术中检测ILM切除的AI增强的OCT分析
Nehal Nailesh Mehta1,2, An D Le1,3, Ines D Nagel1,2
1Jacobs Retina Center, 9415 Campus Point Drive, La Jolla, California, United States of America, 92093.
Retina (Philadelphia, Pa.)
|July 10, 2025
概括
人工智能 (AI) 模型从光学连贯性断层扫描 (OCT) 扫描中准确地识别了视网膜 (ERM) 手术期间的内部限制膜 (ILM) 剥离,超过了人类分级器. 这突显了AI在眼科成像分析中的潜力.
科学领域:
- 眼科医生 眼科 眼科
- 医学成像分析 医学成像分析
- 人工智能在医学中的应用
背景情况:
- 摘除视网膜 (ERM) 是一种常见的眼科手术程序.
- 区分只有ERM的去除和结合的内部限制膜 (ILM) 和ERM剥离对于外科评估至关重要.
- 光学连贯断层扫描 (OCT) 是一个关键的成像模式,用于评估视网膜结构后手术.
研究的目的:
- 评估人类分级器和人工智能 (AI) 模型的准确性,以识别使用术后OCT扫描来切除ERM的外科手术技术.
- 在分类ERM手术类型时,将不同AI模型与人类解释的性能进行比较.
主要方法:
- 对250只眼睛的回顾性分析,这些眼睛接受了因特异性ERM而进行的玻璃切除术.
- 根据手术记录,将手术分为ERM-only移除或ILM+ERM移除组.
- 培训和测试的人类分级器和人工智能模型 (ResNet18, UwU-OrthLatt, UwU-PR-Relax) 在标记和掩盖的OCT扫描上.
主要成果:
- 人类评分器的准确率为50%.
- 人工智能模型表现出卓越的性能,精度在61±3% (ResNet18) 到70±5% (UwU-OrthLatt) 之间.
- 人工智能模型在识别ILM移除方面显著优于人类的解释.
结论:
- 人工智能模型在ERM手术后的OCT扫描中检测ILM去除的能力高于人类分级器.
- 人工智能具有显著的潜力,可以提高临床实践中眼科成像分析的准确性和效率.
更多相关视频
04:45Intraoperative Assessment of Resection Margins in Oral Cavity Cancer: This is the Way
Published on: May 10, 2021
3.9K
09:58Spatial Quantification of Drugs in Pulmonary Tuberculosis Lesions by Laser Capture Microdissection Liquid Chromatography Mass Spectrometry LCM-LC/MS
Published on: April 18, 2018
9.2K
