临床光学一致性断层扫描 (OCT) 分析和基于人工智能的定量评估之间的比较研究,用于诊断糖尿病黄斑
Camila Brandão Fantozzi1,2, Letícia Margaria Peres2, Jogi Suda Neto3,4
1Escola Técnica Estadual "Philadelpho Gouvêa Netto", São José do Rio Preto 15035-010, SP, Brazil.
Vision (Basel, Switzerland)
|September 22, 2025
概括
人工智能 (AI) 在使用光学连贯断层扫描 (OCT) 扫描诊断糖尿病黄斑胀 (DME) 方面表现有前途. 人工智能工具,特别是对一致特征工程 (PFE),可以帮助临床医生进行DME查和诊断.
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:
- 糖尿病黄斑 (DME) 是糖尿病患者视力丧失的主要原因.
- 准确及时诊断DME对于有效治疗和维护视力至关重要.
- 光学连贯断层扫描 (OCT) 是DME评估的关键成像方式.
研究的目的:
- 评估基于人工智能的软件系统,用于使用OCT图像诊断DME.
- 将AI性能与传统的临床评估进行比较.
- 评估对一致性特征工程 (PFE) 对诊断准确性的影响.
主要方法:
- 这是一项前性,非随机化研究,分析了700个OCT考试.
- 在二进制 (DME存在/不存在) 和多类 (DME表型) 分类中对AI性能的评估.
- 在特征选择中应用相对一致的特征工程 (PFE).
- 逻辑回归,SVM,KNN和决策树模型的比较.
主要成果:
- 支持向量机 (SVM) 和K-最近邻居 (KNN) 在使用所有特征的二进制分类中实现了92%的准确性.
- 后勤回归在所有特征的二进制分类中达到91%的准确性.
- 在仅使用四个PFE选择特征时,对物流回归和SVM的准确性略有下降至84%.
结论:
- 基于人工智能的软件在从OCT图像中诊断DME时表现出高准确度.
- 超一致特征工程 (PFE) 可以简化人工智能模型,尽管它可能会略微降低准确性.
- 人工智能,特别是PFE,为有效的DME查和诊断提供了一个潜在的工具.
