基于深度学习的视网膜色素上皮质细分的评估,用于广泛使用的光学连贯性断层扫描设备
Hitoshi Tabuchi1,2,3, Daisuke Nagasato4,5,6, Mao Tanabe1
1Department of Ophthalmology, Saneikai Tsukazaki Hospital, 68-1 Aboshikuwaku, Himeji, 671-1227, Hyogo, Japan.
Scientific reports
|November 21, 2025
概括
与现有算法相比,一种新方法显著改善了光学连贯性断层扫描 (OCT) 图像中的视网膜色素上皮质 (RPE) 检测. 这一进步提高了对各种视网膜疾病和健康眼睛的RPE细分精度.
科学领域:
- 眼科医生 眼科 眼科
- 医疗成像医学成像
- 计算机视觉 计算机视觉
背景情况:
- 对视网膜色素表皮 (RPE) 的准确细分对于诊断和监测各种视网膜疾病至关重要.
- 当前的自动化细分算法在各种临床场景中可能存在局限性.
研究的目的:
- 开发和验证一种新技术,用于在光连贯断层扫描 (OCT) 图像中改进RPE检测.
- 为了比较拟议技术与Topcon在多种视网膜疾病中的自动细分算法之间的有效性.
主要方法:
- 拟议的技术使用Pyramid Scene Parsing Network与ResNet-50用于在OCT图像中的RPE识别.
- 训练和验证是在来自与年龄相关的黄斑退行症 (AMD) 患者的OCT图像上进行的.
- 测试涉及患有AMD,糖尿病视网膜病变 (DR),视网膜膜 (ERM),分支视网膜静脉封闭 (BRVO) 和健康对照患者的OCT图像.
主要成果:
- 与Topcon的算法相比,在所有测试条件下,拟议的技术在RPE检测中显示出明显较低的平均绝对误差 (MAE).
- 在AMD (2.18对4.79),DR (1.69对3.17),ERM (1.50对2.67),BRVO (1.86对2.98) 和健康的眼睛 (1.59对2.28) 中观察到特定的MAE改善.
- 提出的技术在AMD病例中显示出最显著的优势.
结论:
- 与Topcon的自动化算法相比,开发的技术在OCT图像中提供了卓越的RPE细分精度.
- 这种增强的RPE可视化有可能通过更精确的OCT成像分析来改善眼科护理.
- 该方法对像AMD这样的疾病特别有希望,提供更好的诊断和监测能力.
