基于卷积神经网络的眼内炎症细胞与超高分辨率OCT的分化
Jiachi Hong1, Siyu Chen1, Amy Pohodich1
1Casey Eye Institute, Oregon Health and Science University, Portland, Oregon, USA.
Biomedical optics express
|December 15, 2025
概括
一个新的AI模型使用光学连贯断层扫描 (OCT) 扫描准确识别眼内炎症细胞. 这一突破有助于诊断和监测脑膜炎,改善患者的护理.
科学领域:
- 眼科医生 眼科 眼科
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 尿道炎的诊断是复杂的,通常依赖于识别眼内炎症细胞.
- 准确的细胞识别对于有效的紫外线炎管理至关重要.
研究的目的:
- 开发和验证一个卷积神经网络 (CNN) 模型来分类眼内炎症细胞.
- 用超高分辨率光学连贯断层扫描 (OCT) 图像来评估模型的准确性.
主要方法:
- 一个轻量级的CNN模型被训练在单核细胞和粒细胞的OCT图像上.
- 模型的性能使用准确度和接收器操作特征 (ROC) 曲线下面面积的指标进行了评估.
主要成果:
- 在CNN模型实现了88.4%的准确性和94.3%的ROC AUC,用于分类炎症细胞类型.
- 模型预测与乌维炎患者的临床诊断有很好的相关性.
结论:
- 这种人工智能驱动的OCT分析提供了一种可靠的方法来诊断和监测脑膜炎的眼内炎症.
- 开发的模型显示了增强眼科临床决策的潜力.
更多相关视频
07:02Author Spotlight: Advancements in In Vivo and Ex Vivo Retinal Imaging for Improved Glaucoma Diagnosis and Treatment
Published on: June 30, 2023
2.1K
10:10Ultrahigh Resolution Mouse Optical Coherence Tomography to Aid Intraocular Injection in Retinal Gene Therapy Research
Published on: November 2, 2018
9.8K
