ROQUS:一个视网膜OCT质量和可用性评分

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:

• 光学连贯断层扫描 (OCT) B扫描对于视网膜成像至关重要.
• 评估OCTB扫描的质量对于准确的诊断和研究至关重要.
• 目前的质量评估方法可能是主观的,耗时的.

研究的目的:

• 开发和验证基于深度学习的指标,用于客观的OCT B-scan质量评估.
• 与现有方法和人类专家相比,评估拟议指标的性能.
• 为了提高临床效用,加强识别质量差的OCT采购.

主要方法:

• 使用排名策略开发了一个深度学习模型ROQUS (视网膜OCT质量评分).
• 该模型在各种数据集上进行了训练和测试,包括那些具有模拟和真实获取文物的数据集.
• 使用曲线下的接收器操作特征面积 (ROC-AUC) 和评审者间协议分析来评估性能.

主要成果:

• 在检测B扫描时,ROQUS实现了0.85的ROC-AUC,以检测具有采集问题的B扫描.
• 与传统的质量评估指标相比,该指标表现优越.
• 在B扫描质量排名方面,ROQUS与人类专家达成了可比的协议,并有效处理噪音和亮度变化.

结论:

• ROQUS提供了一种客观可靠的方法来评估视网膜OCTB扫描质量.
• 该工具可以显著提高识别非最佳图像采集的效率和准确性.
• 实施ROQUS可以简化日常实践,提高涉及海外和海外国家的数据的临床研究的可靠性.