在视网膜色素炎中早期检测囊性黄斑,使用OCT扫描的纵向深度学习分析
Farhang Hosseini1,2, Farkhondeh Asadi2, Reza Rabiei2
1Gastroenterology and Liver Diseases Research Center, Research Institute for Gastroenterology and Liver Diseases, Shahid Beheshti University of Medical Sciences, Tehran 19899-34148, Iran.
Diagnostics (Basel, Switzerland)
|January 10, 2026
概括
这项研究引入了一个AI工具,使用眼部扫描来早期检测视网膜色素炎 (RP) 患者的囊性黄斑胀 (CME). 深度学习模型显示高精度,提供一种新的非侵入性查方法.
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:
- 视网膜色素炎 (RP) 是一种遗传性视网膜疾病,导致逐渐视力丧失.
- 囊性黄斑 (CME) 影响10-50%的RP患者,需要早期检测.
- 现有的研究缺乏用于微妙CME进展监测的纵向数据.
研究的目的:
- 开发一个深度学习框架,用于在RP中早期检测CME,使用纵向OCT图像.
- 评估AI在识别视网膜色素炎中CME进展的疗效.
主要方法:
- 利用了来自RP患者的2280个纵向光学连贯性断层扫描 (OCT) 图像.
- 用于图像预处理的应用无声化和数据增强.
- 评估了经过预训练的深度学习模型 (ResNet-34),并对患者进行了数据分割.
主要成果:
- ResNet-34模型实现了98.68%的准确性,99.45%的特异性和98.36%的F1分数.
- 在检测RP中CME早期迹象方面表现出很高的表现.
结论:
- 纵向基于OCT的AI显示为可靠,非侵入性查工具,用于RP的早期CME检测.
- 这项研究开创了用于人工智能驱动的CME预测RP患者的纵向OCT数据的使用.
