光学层析图像的计算机辅助解释方法

本文提出了一种计算机辅助解释方法，用于检测光学层析图像中人类手指关节的类风湿性关节炎 (RA)。该图像解释方法采用由自组织映射 (SOM) 机器学习分类算法辅助的多变量信号检测分析。与以往研究不同，该方法允许组合多种物理图像参数，例如吸收系数的最小值和最大值，以识别受累和未受累关节。通过所提方法获得的分类性能在敏感度、特异度、Youden 指数和互信息方面进行了评估。采用不同方法（即临床诊断、超声成像、磁共振成像和光学层析图像检查）作为“真实基准”来确定图像解释的性能。使用来自 100 个手指关节的数据，研究结果表明，与以往研究采用的单参数分类相比，某些参数组合能带来更高的敏感度，而另一些则带来更高的特异度。当以超声为基准，结合最小/最大值比率与图像方差时，达到了最佳性能。在此情况下，敏感度和特异度分别达到了 0.94 和 0.96。这些数值远高于 a) 应用其他分类技术或 b) 使用单参数分类时所报告的结果（后者的敏感度和特异度仅为 0.71）。