深度学习的应用,以先进检测和量化Drusen在nonxudative AMD从视网膜多谱成像的应用

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) 是导致视力丧失的主要原因.
• 早期检测德鲁森对于管理干燥的AMD至关重要.
• 目前的检测方法可能缺乏精度和效率.

研究的目的:

• 开发一种新的深度学习方法,用于自动化drusen检测和量化.
• 利用视网膜多谱图像进行增强的特征突出显示.
• 改善干性AMD的早期诊断和监测.

主要方法:

• 开发了一个深度学习管道,包括图像质量评估,区域提取和细分.
• 使用了带有 EfficientNetV2 编码器的 UNet++ 卷积神经网络.
• 该模型在170个德鲁森和150个非德鲁森视网膜图像上进行了训练和验证.

主要成果:

• 该方法的平均得分为0.691,回忆率为0.668,精度为0.776.
• 实现了99.998%的像素智能细分精度,用于区分德鲁森和德鲁森类病变.
• 成功计算了检测到的drusen的数量和直径.

结论:

• 应用在多谱视网膜图像上的深度学习模型可以实现精确的Drusen细分和量化.
• 这种方法支持早期检测,纵向监测和减少与AMD相关的视力损失的风险.
• 完善了早期非化性AMD的临床诊断.