使用深度学习软件对黄斑光学相干断层扫描图像进行疾病分类：基于独立多中心数据的验证
图像与视频处理
2019-07-12 v1 计算机视觉与模式识别
机器学习
摘要
目的：评估Pegasus-OCT——一款从黄斑OCT扫描中识别视网膜疾病特征的临床决策支持软件，在涉及不同患者人口统计学特征、设备厂商、采集站点与操作者的异质人群中的表现。方法：使用该系统处理在五国独立中心获取的5,588例正常与异常黄斑OCT体数据（162,721张B扫描）。结果依据数据集所有者提供的金标准进行评估。结果：Pegasus-OCT在所有数据集的一般黄斑异常检测中AUROC至少达98%。对于质量足够的扫描，一般AMD与DME检测的AUROC分别至少达99%与98%。结论：临床决策支持系统适应不同人群的能力是其得以采用的关键。Pegasus-OCT被证明可跨多个独立站点获取的高性能检测OCT体数据中的AMD、DME与一般异常。因此其应用前景广阔，有望缓解视网膜疾病导致的眼科服务需求增长所带来的负担。
引用
@article{arxiv.1907.05164,
title = {Disease classification of macular Optical Coherence Tomography scans using deep learning software: validation on independent, multi-centre data},
author = {Kanwal K. Bhatia and Mark S. Graham and Louise Terry and Ashley Wood and Paris Tranos and Sameer Trikha and Nicolas Jaccard},
journal= {arXiv preprint arXiv:1907.05164},
year = {2019}
}