深度学习模型用于AMD中黄斑神经血管化亚型的自动分类
Giovanni Neri1,2, Chiara Rebecchi1, Jonathan D Oakley3
1Department of Surgical Sciences, University of Turin, Turin, Italy.
Investigative ophthalmology & visual science
|July 21, 2025
概括
一个深度学习算法准确地使用光学连贯断层扫描 (OCT) 图像对黄斑新血管化 (MNV) 亚型进行分类. 数据同质化提高了分类性能,有助于诊断和治疗新血管与年龄相关的黄斑变性 (AMD).
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:
- 神经血管与年龄相关的黄斑变性 (AMD) 涉及黄斑神经血管化 (MNV).
- 精确的MNV亚型 (类型1,2,3) 的分类对于有效的治疗至关重要.
- 目前的分类依赖于结构光学连贯性断层扫描 (OCT) 图像的专家解释.
研究的目的:
- 开发一种深度学习算法,使用结构性OCT图像对MNV亚型进行分类.
- 评估深度学习模型在未经治疗的新血管AMD患者中的性能.
- 评估图像数据同质化对分类准确性的影响.
主要方法:
- 分析了一组193只眼睛的回顾性队列,这些眼睛以前没有接受过治疗的新血管AMD.
- 基于卷积神经网络 (CNN) 的深度学习模型使用交叉验证进行训练.
- 结构性OCT图像进行了预处理,包括数据同质化,用于分类.
主要成果:
- 同质化的OCT数据显著改善了所有模型的分类性能.
- 对所有MNV亚型 (例如,类型1:96.7%的灵敏度,84.9%的特异性) 实现了高灵敏度和特异性.
- 在ROC曲线下的面积 (AUC) 值在0.91到0.97之间,表明强大的诊断能力.
结论:
- 深度学习模型准确地将MNV子类型分类到结构性OCT.
- 数据同质化提高了模型的诊断性能.
- 这种人工智能工具可以帮助临床医生诊断MNV亚型,从而有可能改善新血管AMD患者的治疗结果.
