基于深度学习的前段超声波生物显微镜全景图像的无参考质量评估
Qing-Hao Miao1, Xiao-Chun Wang1, Jun Yang1
1State Key Laboratory of Advanced Medical Materials and Devices, Institute of Biomedical Engineering, Tianjin Institutes of Health Science, Chinese Academy of Medical Science and Peking Union Medical College, Tianjin, China.
Quantitative imaging in medicine and surgery
|November 10, 2025
概括
本研究介绍了一种深度学习 (DL) 方法,用于自动超声波生物显微镜 (UBM) 图像质量评估. 该系统客观地识别了高质量的前段UBM图像,提高了诊断效率.
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:
- 超声波生物显微镜 (UBM) 对于前段成像至关重要,但依赖于主观质量评估.
- 目前的质量评估耗时且不一致,阻碍了可靠的临床使用.
研究的目的:
- 开发基于深度学习 (DL) 的无参考方法,用于自动化和客观的UBM图像质量评估 (IQA).
- 为了促进可靠的选择高质量的UBM图像用于临床诊断和解剖评估.
主要方法:
- 收集了前段的1,154张临床UBM图像.
- 雇员YOLOv8s_DW_FOCUS模型用于感兴趣的地区提取和地标识别.
- 与眼科医生建立了8个质量评估标准,将得分≥7的图像归类为高质量.
主要成果:
- 目标检测模型实现了高性能指标 (mAP:0.935,回忆:0.898,精度:0.925).
- 热图分析证实了重点放在关键地区;t-SNE地块显示出强大的区分能力和概括性.
- DL方法与专家评估的高度一致,146/174标准图像得分为8和26得分为7.
结论:
- 基于DL的无参考IQA方法提供了对前段UBM图像的客观评估.
- 这种自动化方法显著提高了眼科成像专业人员的效率.
- 该方法显示出在眼科广泛采用临床应用的巨大潜力.
