人工智慧助力OCT再升級
編者按:
OCT在指導黃斑疾病的診斷和治療中發揮著重要的作用。近年來,OCT硬體不斷升級,但是在圖像分析方面卻鮮有突破。現有的大部分軟體僅能測量視網膜厚度、對視網膜內囊樣液體(Intraretinal Cystoid Fluid,IRC)和視網膜下液體(Subretinal Fluid,SRF)進行定性。為了更好地指導臨床,我們需要對IRC和SRF進行快速精準的定性和定量。近期,奧地利醫生們提出了OCT圖像的自動分析技術,讓我們來先睹為快。
基於人工智慧的自動分析技術
該研究採用基於人工智慧深入學習方法的自動分析技術(圖1)識別和量化傳統OCT圖像上的IRC及SRF。研究對1200張OCT圖像(蔡司Cirrus600張,海德堡Spectralis600張)分別進行自動和手動分析(圖2),其中包括濕性年齡相關性黃斑變性(Age-related macular degeneration, AMD)、糖尿病黃斑水腫(Diabetic Macular Edema, DME)及視網膜靜脈阻塞(Retinal Vein Occlusion, RVO)各400張。對比評價該技術識別和定量分析IRC及SRF的準確性。
圖1:自動分析方法說明。該方法包括一個帶有編碼-解碼框架的卷積神經網路,它能夠識別IRC和SRF。編碼將OCT圖像轉換成抽象形式(嵌入)。解碼將嵌入的圖像轉換成一個全解析度輸入標識圖像。綠色為IRC,藍色為SRF,紅色為非液體視網膜組織。黑色為背景區域。
圖2. 圖示分別為AMD、DME及RVO的Cirrus或SpectralisOCT圖像及其分析。第一行為OCT圖像,第二行為手動分析結果,第三行為自動分析結果(綠色為IRC,藍色為SRF)。
自動分析技術靈敏可靠
自動分析技術能夠清晰辨別三種黃斑疾病中的IRC和SRF。在IRC和SRF的診斷及量化方面的平均正確率、平均準確率及平均召回率分別為0.94、0.91、0.84和0.92、0.61、0.81。統計分析表明,自動分析技術和手動分析在液體定位和量化方面高度線性相關(圖2),IRC和SRF的平均Pearson』s相關係數分別為0.90、0.96。
自動分析技術是高度靈敏可靠的識別、區分和量化OCT圖像中黃斑區液體(IRC和SRF)的方法。將會在黃斑疾病的診斷治療中發揮重要作用。
原文: