用SS-OCT的基于深度学习的方法测量胆道血管度指数和胆道厚度
Imran Arkan1, Akın Cakır1, Mine Elif Karslıgil2
1Department of Ophtalmology, Prof. Dr. Cemil Tascıoğlu City Hospital, University of Health Sciences, Istanbul, Turkey Adress; Kaptan Paşa, Darülaceze Street No:27, 34384 Şişli/Istanbul/Turkey.
Retina (Philadelphia, Pa.)
|November 17, 2025
概括
这项研究表明,人工智能可以完全自动测量胆道厚度和胆道血管度指数 (CVI),使用高精度的扫描源OCT图像.
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:
- 精确测量胸膜厚度和胸膜血管度指数 (CVI) 对于诊断和监测各种眼部疾病至关重要.
- 使用光连贯断层扫描 (OCT) 进行手动测量是耗时的,并且受观察者之间的变化影响.
研究的目的:
- 开发和验证基于深度学习的人工智能模型,用于完全自动测量胸膜厚度和心脏内膜张径.
- 评估人工智能模型的性能与经验丰富的眼科医生的手动测量相比.
主要方法:
- 使用了来自652名患者的791张扫描来源OCT (SS-OCT) 图像的数据集.
- 使用一个卷积神经网络 (CNN) 算法来检测胆道区域并计算胆道厚度.
- 使用值方法计算胆道血管度指数 (CVI),并在标记图像上训练和测试模型.
主要成果:
- 人工智能模型实现了高精度 (0.96955),低的平均绝对误差 (MAE) 为0.0286,以及0.9249.0的优异交叉点.
- 该模型表现出强的性能,曲线下面积 (AUC) 为0.9941.1.
- 人工智能模型和眼科医生之间胆管厚度的类内相关系数 (ICC) 为0.987,表明强烈的一致性.
结论:
- 基于深度学习的人工智能可以有效地自动测量SS-OCT图像中的胸腔厚度和CVI.
- 开发的AI模型显示了高准确性和可靠性,与专家眼科医生相美.
- 自动测量具有显著的潜力,可以提高临床实践和研究的效率和一致性.


