Choroidalyzer：用于光学相干断层扫描脉络膜分析的开源端到端流程
图像与视频处理
2023-12-06 v1 计算机视觉与模式识别
机器学习
定量方法
摘要
目的：开发Choroidalyzer，一个用于分割脉络膜区域、血管和中央凹，并推导脉络膜厚度、面积和血管指数的开源端到端流程。方法：我们使用了5600张OCT B扫描图像（233名受试者，6个全身性疾病队列，3种设备类型，2家制造商）。为生成区域和血管的真实标注，我们采用了最先进的自动方法，并对不准确的分割进行了手动校正，中央凹位置由人工标注。我们训练了一个U-Net深度学习模型来检测区域、血管和中央凹，以计算以中央凹为中心的感兴趣区域内的脉络膜厚度、面积和血管指数。我们在内部和外部测试集中分析了分割一致性（AUC、Dice）和脉络膜指标一致性（Pearson、Spearman、平均绝对误差（MAE））。我们将Choroidalyzer与两位人工分级员在外部测试图像的一个小子集上进行了比较，并检查了高误差案例。结果：Choroidalyzer在标准笔记本电脑上每张图像耗时0.299秒，并实现了出色的区域分割性能（Dice：内部0.9789，外部0.9749）、非常好的血管分割性能（Dice：内部0.8817，外部0.8703）和出色的中央凹位置预测（MAE：内部3.9像素，外部3.4像素）。对于厚度、面积和血管指数，Pearson相关系数分别为0.9754、0.9815和0.8285（内部）/ 0.9831、0.9779、0.7948（外部）（所有p<0.0001）。Choroidalyzer与分级员的一致性在所有指标上均与分级员间一致性相当。结论：Choroidalyzer是一个开源端到端流程，能够准确分割脉络膜并可靠地提取厚度、面积和血管指数。特别是脉络膜血管分割是一项困难且主观的任务，像Choroidalyzer这样的全自动方法可以提供客观性和标准化。
引用
@article{arxiv.2312.02956,
title = {Choroidalyzer: An open-source, end-to-end pipeline for choroidal analysis in optical coherence tomography},
author = {Justin Engelmann and Jamie Burke and Charlene Hamid and Megan Reid-Schachter and Dan Pugh and Neeraj Dhaun and Diana Moukaddem and Lyle Gray and Niall Strang and Paul McGraw and Amos Storkey and Paul J. Steptoe and Stuart King and Tom MacGillivray and Miguel O. Bernabeu and Ian J. C. MacCormick},
journal= {arXiv preprint arXiv:2312.02956},
year = {2023}
}