是否可以检测视网膜病理? 迈向自动化OCT分析的一步
Adriana-Ioana Ardelean1, Eugen-Richard Ardelean1, Anca Marginean1
1Computer Science Department, Technical University of Cluj-Napoca, 400114 Cluj-Napoca, Romania.
Diagnostics (Basel, Switzerland)
|July 29, 2025
概括
最先进的物体检测模型被用于分析视网膜光学一致性断层扫描 (OCT) 扫描. YOLOE在检测各种视网膜病理方面表现出卓越的性能,为临床分析提供了一个有前途的自动化解决方案.
科学领域:
- 医疗成像医学成像
- 人工智能的人工智能
- 眼科医生 眼科 眼科
背景情况:
- 光学连贯断层扫描 (OCT) 提供非侵入性视网膜可视化用于疾病识别.
- 越来越多的海外国家和地区数据需要自动化分析方法.
- 复杂的OCT扫描手动分析变得不可行.
研究的目的:
- 在OCT扫描中对视网膜病理检测最先进的物体检测模型进行基准测试.
- 为了评估YOLO版本 (v8-v12),YOLO-World,YOLOE和RT-DETR.的性能.
- 确定用于视网膜OCT数据自动分析的最佳模型.
主要方法:
- 研究的物体检测模型包括YOLOv8-v12,YOLO-World,YOLOE和RT-DETR.
- 使用了两个视网膜OCT数据集:AROI (与年龄相关的黄斑退化液体检测) 和OCT5k (多种视网膜病理).
- 评估了用于病理生物标志物检测的模型准确性和计算效率.
主要成果:
- YOLOv12在检测精度和计算效率之间实现了强大的平衡.
- 在数据集和大多数病理学类别中,YOLOE始终优于其他模型.
- 在检测较小的病理区域方面,YOLOE表现特别强大.
结论:
- 这项研究为视网膜OCT分析中的物体检测模型提供了全面的基准.
- 从OCT扫描中识别视网膜病理的YOLOE成为一个非常有能力的模型.
- 这些发现为开发用于视网膜疾病的自动化临床分析工具提供了基础.
