基于机器学习的光学连贯性分析断层扫描血管图像与年龄相关的黄斑退化

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:

• 与年龄相关的黄斑变性 (AMD) 是老年人视力丧失的主要原因.
• 光学连贯断层扫描血管造影 (OCTA) 提供了详细的视网膜血管成像,但存在诊断挑战.
• 大量的数据和OCTA图像中的微妙异常使临床评估复杂化.

研究的目的:

• 开发用于在OCTA图像中检测和量化AMD的自动化算法.
• 为了减少眼科医生的工作量,并提高AMD的诊断准确度.
• 为分析复杂的OCTA数据创建高效的工具.

主要方法:

• 开发了两种基于纹理的算法,用于OCTA图像分类而不进行细分.
• 使用局部纹理描述器 (LBP2riu,LBP,BRIEF) 与机器学习分类器 (SVM,KNN).
• 主要组件分析 (PCA) 的应用用于第二个算法的特征减少.

主要成果:

• 第一个算法在健康的眼睛和湿的眼睛之间实现了完美的区分 (AUC 1.00±0.00).
• 第二个算法在区分干燥的AMD和湿的AMD方面表现出很高的性能 (AUC为0.85±0.02).
• 对来自多家眼科医院的OCTA数据集进行评估.

结论:

• 开发的算法显示了使用OCTA快速和准确的AMD诊断的巨大潜力.
• 自动化分析可以减少手动评估的变化和临床医生的工作量.
• 这些工具可以增强AMD的临床决策和患者管理.