动态结构恢复参数提升 macular hole 手术后视觉结果预测
图像与视频处理
2025-09-12 v1 计算机视觉与模式识别
摘要
目的：介绍新型动态结构参数并评估其在多模态深度学习（DL）框架中集成后，用于预测原发性完整 macular hole（iFTMH）患者术后视觉恢复的效果。方法：我们利用公开的纵向 OCT 数据集，数据包含五个时间点（手术前、2 周、3 个月、6 个月和12 个月）。构建基于每个时间点的分割模型对相关结构进行描绘，开发自动化管道提取定量、组合、定性和动态特征。构建包含和不包含动态参数的二进制逻辑回归模型，用于评估其对最佳矫正视力（BCVA）的增量预测价值。开发了结合临床变量、OCT 演化特征和原始 OCT 图像的多模态 DL 模型，并与回归模型进行基准测试。结果：分割模型在所有时间点上实现了高准确率（平均 Dice 值 > 0.89）。单变量和多变量分析识别出基准直径、eyel ellipsoid zone 完整性和 macular hole 面积为显著的 BCVA 预测因子（P < 0.05）。纳入动态恢复率持续改善了逻辑回归 AUC，尤其在3个月随访时效果显著。多模态 DL 模型优于逻辑回归，AUC 和整体准确率在每个时间点均更高，差异可达0.12，表明原始图像数据和动态参数的补充价值。结论：将动态参数整合到多模态 DL 模型中显著提升了预测准确度。这一全自动化过程因此代表了macular hole 手术后个体化管理的有前景的临床决策支持工具。
引用
@article{arxiv.2509.09227,
title = {Dynamic Structural Recovery Parameters Enhance Prediction of Visual Outcomes After Macular Hole Surgery},
author = {Yinzheng Zhao and Zhihao Zhao and Rundong Jiang and Louisa Sackewitz and Quanmin Liang and Mathias Maier and Daniel Zapp and Peter Charbel Issa and Mohammad Ali Nasseri},
journal= {arXiv preprint arXiv:2509.09227},
year = {2025}
}
备注
TVST