基于光素血管图像的智能细分方法,用于中央血清性胆红素病的泄漏点,基于光素血管图像
Jian-Guo Xu1, Yong-Chi Liu1, Fen Zhou2
1College of Mechanical & Electrical Engineering, Nanjing University of Aeronautics & Astronautics, Nanjing 210016, Jiangsu Province, China.
International journal of ophthalmology
|March 2, 2026
概括
这项研究引入了使用YOLOv8-Pose和SAM的智能细分方案,用于精确定位中央血清性胆色素变异 (CSC) 泄漏点. 这种新的"检测-然后-细分"方法有助于精确的激光治疗眼科.
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:
- 中央血清性胆色素变异症 (CSC) 需要精确地定位泄漏点,以获得有效的激光治疗.
- 目前的方法可能缺乏最佳结果所需的精度.
研究的目的:
- 开发一个智能分段方案,准确地定位CSC泄漏点.
- 为了使眼科医生能够在没有导航设备的情况下进行精确的激光治疗.
主要方法:
- 一个双标签的数据集 (点级和像素级) 由CSC的 fundus光素血管学 (FFA) 图像创建.
- 开发了一种结合YOLOv8-Pose和Segment Anything Model (SAM) 的智能细分方法.
- 提出的方法在定量和质量上与U-Net系列基线模型进行了比较.
主要成果:
- 对于CSC泄漏点,YOLOv8-Pose模型实现了90%的初步本地化成功率.
- 拟议的方法表现出高性能,子相似系数 (DICE) 为57.13%和交叉在欧盟 (IoU) 为45.31%.
- 实现了93.57%的召回和0.97的ROC曲线下的面积 (AUC-ROC),表明有效的细分.
结论:
- 联合YOLOv8-Pose和SAM方法提供了有效和精确的CSC泄漏点细分.
- 这个小说小说.
- 检测-然后-分段.
- 这一战略为CSC治疗中的实时激光光凝提供了一个潜在的辅助工具.
