黄斑还是视神经头结构更擅长诊断青光眼？基于 AI 与宽视野光学相干断层扫描的回答
图像与视频处理
2022-10-14 v1 人工智能
计算机视觉与模式识别
摘要
目的：（1）开发一种深度学习算法，在 3D 宽视野光学相干断层扫描（OCT）中自动分割视神经头（ONH）与黄斑的结构；（2）评估 3D 黄斑或 ONH 结构（或二者组合）是否提供对青光眼最佳的诊断效能。方法：进行了一项横断面比较研究，纳入来自 319 名青光眼受试者与 298 名非青光眼受试者的宽视野扫频源 OCT 扫描。所有扫描均经补偿以改善深部组织可见性。我们开发了深度学习算法，利用 270 张手动标注的 B 扫描进行训练，自动标记所有主要 ONH 组织结构。我们算法的性能使用 Dice 系数（DC）评估。随后，使用 500 个 OCT 体数据及其对应自动分割掩膜的组合设计了青光眼分类算法（3D CNN）。该算法在 3 个数据集上训练与测试：裁剪为仅含黄斑组织的 OCT 扫描、仅含 ONH 组织的扫描，以及完整宽视野 OCT 扫描。各数据集的分类性能以 AUC 报告。结果：我们的分割算法能以 0.94 0.003 的 DC 分割 ONH 与黄斑组织。分类算法使用宽视野 3D-OCT 体数据诊断青光眼效果最佳，AUC 为 0.99 0.01，其次为 ONH 体数据 AUC 0.93 0.06，最后为黄斑体数据 AUC 0.91 0.11。结论：本研究表明，与使用仅含 ONH 或黄斑的典型 OCT 图像相比，使用宽视野 OCT 可显著改善青光眼诊断。这可能鼓励 3D 宽视野 OCT 扫描的主流采用。对于使用传统设备的临床 AI 研究，我们建议使用 ONH 扫描而非黄斑扫描。
引用
@article{arxiv.2210.06664,
title = {Are Macula or Optic Nerve Head Structures better at Diagnosing Glaucoma? An Answer using AI and Wide-Field Optical Coherence Tomography},
author = {Charis Y. N. Chiang and Fabian Braeu and Thanadet Chuangsuwanich and Royston K. Y. Tan and Jacqueline Chua and Leopold Schmetterer and Alexandre Thiery and Martin Buist and Michaël J. A. Girard},
journal= {arXiv preprint arXiv:2210.06664},
year = {2022}
}
备注
23 pages, 5 figures