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：
