人工智能算法的纵向验证,用于与年龄相关的斑点退化 - - 报告3
Theodore Leng1, Ella H Leung2, S Krishna Mukkamala2
1Byers Eye Institute at Stanford, Stanford University School of Medicine, Palo Alto, California.
诺塔尔OCT分析仪 (NOA) 准确地跟踪视网膜总低反射体积 (TRO) 的变化,使用每日家庭OCT (HOCT) 扫描. 个性化方法在检测与年龄相关的黄斑变性中临床显著的TRO变化方面表现出更高的灵敏度.
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) 需要持续监测视网膜液状况.
- 基于家庭的光学连贯性断层扫描 (HOCT) 为频繁的自我成像提供了一个潜在的解决方案.
- 对细微变化的纵向HOCT数据进行分析是具有挑战性的.
研究的目的:
- 为了验证基于人工智能的Notal OCT分析仪 (NOA),用于识别视网膜总低反射体积 (TRO) 轨迹的临床显著变化.
- 为了评估NOA的性能,使用每日HOCT自我成像在AMD眼睛.
主要方法:
- 对HOCT流体可视化协议研究的后期分析,该研究涉及180名参与者的317只眼睛,持续了5周.
- 经过培训的人类专家建立了TRO稳定性或变化的基本真理.
- 为了确定临床显著的TRO变化最佳值 (OT),评估了三种方法:个性化,优化统一的方法和共同的10个体积单位 (VU) 统一的方法.
主要成果:
- 个性化方法实现了0.9811的接收器操作特征曲线 (AUROC) 下的面积,灵敏度为99.1%,准确度为94.2%.
- 优化的统一方法产生了0.9687的AUROC,准确率为91.9%.
- 共同的10 VU统一方法显示了85.7%的准确性.
结论:
- NOA有效地生成TRO轨迹,以准确识别变化与稳定.
- 与统一方法相比,个性化方法在检测TRO变化方面表现出更高的灵敏度 (99.1%).
- NOA是监测AMD视网膜液状况的可靠工具,符合实验室医学质量标准.
更多相关视频
相关概念视频
10:14Ex Vivo OCT-Based Multimodal Imaging of Human Donor Eyes for Research into Age-Related Macular Degeneration
10:24Regenerative Therapy by Suprachoroidal Cell Autograft in Dry Age-related Macular Degeneration: Preliminary In Vivo Report
08:54A Workflow to Quantitatively Determine Age-Related Macular Degeneration Lesion-Specific Variations in Fundus Autofluorescence
06:37Artificial Intelligence-Based System for Detecting Attention Levels in Students
05:14Characterization of Vascular Morphology of Neovascular Age-Related Macular Degeneration by Indocyanine Green Angiography
05:33Introduction of an Integrated Pathology Image Management, Artificial Intelligence, and Reporting System


