Mèsi paske w vizite Nature.com.W ap itilize yon vèsyon navigatè ak sipò CSS limite.Pou pi bon eksperyans, nou rekòmande pou w sèvi ak yon navigatè ki ajou (oswa enfim mòd konpatibilite nan Internet Explorer).Anplis de sa, asire sipò kontinye, nou montre sit la san estil ak JavaScript.
Koulis ki montre twa atik pou chak glisad.Sèvi ak bouton dèyè yo ak bouton kap vini yo pou w deplase nan glisad yo, oswa bouton kontwolè glisad yo nan fen pou deplase nan chak glisad.
Anjyografi tomografik koerans optik (OCTA) se yon nouvo metòd pou vizyalizasyon ki pa pwogrese nan veso retin.Malgre ke OCTA gen anpil aplikasyon klinik pwomèt, detèmine kalite imaj rete yon defi.Nou devlope yon sistèm aprantisaj pwofon lè l sèvi avèk klasifikasyon rezo neral ResNet152 ki te deja antrene ak ImageNet pou klase imaj sipèfisyèl plèks kapilè ki soti nan 347 eskanè 134 pasyan yo.Imaj yo te tou manyèlman evalye kòm verite vre pa de evalyasyon endepandan pou yon modèl aprantisaj sipèvize.Paske kondisyon kalite imaj yo ka varye selon anviwònman klinik oswa rechèch, de modèl yo te resevwa fòmasyon, youn pou rekonesans imaj kalite siperyè ak lòt la pou rekonesans imaj kalite ki ba.Modèl rezo neral nou an montre yon zòn ekselan anba koub la (AUC), 95% CI 0.96-0.99, \(\kappa\) = 0.81), ki se siyifikativman pi bon pase nivo siyal la rapòte pa machin nan (AUC = 0.82, 95). % CI).0.77-0.86, \(\kappa\) = 0.52 ak AUC = 0.78, 95% CI 0.73-0.83, \(\kappa\) = 0.27, respektivman).Etid nou an demontre ke metòd aprantisaj machin yo ka itilize pou devlope metòd kontwòl kalite fleksib ak solid pou imaj OCTA.
Koerans optik tomografi anjyografi (OCTA) se yon teknik relativman nouvo ki baze sou tomografi koerans optik (OCT) ki ka itilize pou vizyalizasyon ki pa pwogrese nan mikwo-vaskulasyon retin.OCTA mezire diferans ki genyen nan modèl refleksyon soti nan pulsasyon limyè repete nan menm zòn nan nan retin lan, epi rekonstriksyon yo ka Lè sa a, dwe kalkile revele veso sangen san yo pa itilize nan pwogrese nan koloran oswa lòt ajan kontras.OCTA pèmèt tou rezolisyon pwofondè D vaskilè, sa ki pèmèt klinisyen yo separeman egzamine kouch veso supèrfisyèl ak gwo twou san fon, ede yo fè diferans ant maladi chorioretinal.
Pandan ke teknik sa a se pwomèt, varyasyon kalite imaj rete yon gwo defi pou analiz imaj serye, fè entèpretasyon imaj difisil ak anpeche adopsyon klinik toupatou.Paske OCTA itilize plizyè eskanè OCT youn apre lòt, li pi sansib pou zafè imaj pase OCT estanda.Pifò platfòm komèsyal OCTA bay pwòp metrik kalite imaj yo rele fòs siyal (SS) oswa pafwa endèks fòs siyal (SSI).Sepandan, imaj ki gen yon valè SS oswa SSI segondè pa garanti absans nan zafè imaj, ki ka afekte nenpòt analiz imaj ki vin apre epi mennen nan desizyon klinik kòrèk.Afèkti imaj komen ki ka rive nan imaj OCTA gen ladan zafè mouvman, zafè segmentasyon, zafè opakite medya yo, ak zafè pwojeksyon1,2,3.
Kòm mezi ki sòti nan OCTA tankou dansite vaskilè yo ap itilize de pli zan pli nan rechèch translasyonèl, esè klinik ak pratik klinik, gen yon bezwen ijan pou devlope pwosesis kontwòl kalite imaj solid ak serye pou elimine artefacts imaj4.Koneksyon sote, ke yo rele tou koneksyon rezidyèl, se pwojeksyon nan achitekti rezo neral ki pèmèt enfòmasyon kontoune kouch konvolusyonèl pandan y ap estoke enfòmasyon nan diferan echèl oswa rezolisyon5.Paske zafè imaj yo ka afekte pèfòmans imaj ti-echèl ak jeneral gwo-echèl, rezo neral sote-koneksyon yo byen adapte pou otomatize travay kontwòl kalite sa a5.Dènyèman travay pibliye te montre kèk pwomès pou gwo twou san fon konvolisyon rezo neral ki resevwa fòmasyon lè l sèvi avèk bon jan kalite done ki soti nan estimatè imen6.
Nan etid sa a, nou antrene yon rezo neral konvolusyonèl ki sote koneksyon pou detèmine otomatikman kalite imaj OCTA yo.Nou bati sou travay anvan yo devlope modèl separe pou idantifye imaj kalite siperyè ak imaj bon jan kalite ki ba, paske kondisyon kalite imaj yo ka diferan pou senaryo klinik oswa rechèch espesifik.Nou konpare rezilta rezo sa yo ak rezo neral konvolusyonèl san yo pa manke koneksyon pou evalye valè enkli karakteristik nan plizyè nivo granularite nan aprantisaj pwofon.Lè sa a, nou konpare rezilta nou yo ak fòs siyal, yon mezi souvan aksepte nan bon jan kalite imaj yo bay pa manifaktirè yo.
Etid nou an enkli pasyan ki gen dyabèt ki te ale nan Yale Eye Center ant 11 out 2017 ak 11 avril 2019. Yo te eskli pasyan ki gen nenpòt maladi koryoretin ki pa dyabetik.Pa te gen okenn kritè enklizyon oswa esklizyon ki baze sou laj, sèks, ras, kalite imaj, oswa nenpòt lòt faktè.
Imaj OCTA yo te akeri lè l sèvi avèk platfòm AngioPlex sou yon Cirrus HD-OCT 5000 (Carl Zeiss Meditec Inc, Dublin, CA) anba pwotokòl D 8\(\times\)8 mm ak 6\(\times\)6 mm.Konsantman enfòme pou patisipasyon nan etid la te jwenn nan chak patisipan etid la, ak Yale University Institutional Review Board (IRB) te apwouve itilizasyon konsantman enfòme ak fotografi mondyal pou tout pasyan sa yo.Swiv prensip yo nan Deklarasyon èlenki.Etid la te apwouve pa Yale University IRB.
Imaj plak sifas yo te evalye dapre Motion Artifact Score (MAS) ki te dekri deja, Segmentation Artifact Score (SAS) ki te dekri deja, sant foveal la, prezans opakite medya yo, ak bon vizyalizasyon ti kapilè jan evalyatè imaj la detèmine.Imaj yo te analize pa de evalyatè endepandan (RD ak JW).Yon imaj gen yon nòt 2 (elijib) si tout kritè sa yo satisfè: imaj la santre nan fovea a (mwens pase 100 piksèl soti nan sant imaj la), MAS se 1 oswa 2, SAS se 1, epi Opakite medya yo mwens pase 1. Prezante sou imaj ki gen gwosè / 16, ak ti kapilè yo wè nan imaj ki pi gwo pase 15/16.Yon imaj gen yon nòt 0 (pa gen okenn evalyasyon) si nenpòt nan kritè sa yo satisfè: imaj la pa sant, si MAS se 4, si SAS se 2, oswa opasite mwayèn nan pi gran pase 1/4 nan imaj la, epi ti kapilè yo pa ka ajiste plis pase 1 imaj / 4 pou distenge.Tout lòt imaj ki pa satisfè kritè nòt 0 oswa 2 yo bay nòt 1 (taye).
Sou fig.1 montre echantiyon imaj pou chak estimasyon echèl ak zafè imaj yo.Yo te evalye fyab entè-evalè nan nòt endividyèl pa pondération kappa Cohen a8.Yo fè adisyone nòt endividyèl chak moun pou jwenn yon nòt jeneral pou chak imaj, ki sòti nan 0 a 4. Imaj ki gen yon nòt total 4 yo konsidere kòm bon.Imaj ki gen yon nòt total de 0 oswa 1 yo konsidere kòm kalite ki ba.
Yon rezo neral konvolusyonèl ResNet152 achitekti (Fig. 3A.i) ki te antrene davans sou imaj ki soti nan baz done ImageNet te pwodwi lè l sèvi avèk fast.ai ak framework PyTorch5, 9, 10, 11. Yon rezo neral konvolusyonèl se yon rezo ki sèvi ak aprann. filtè pou analize fragman imaj pou etidye karakteristik espasyal ak lokal yo.ResNet ki resevwa fòmasyon nou an se yon rezo neral 152 kouch ki karakterize pa twou vid ki genyen oswa "koneksyon rezidyèl" ki an menm tan transmèt enfòmasyon ak rezolisyon miltip.Lè yo pwojte enfòmasyon nan rezolisyon diferan sou rezo a, platfòm la ka aprann karakteristik imaj ki ba-bon jan kalite nan plizyè nivo detay.Anplis de modèl ResNet nou an, nou te fòme tou AlexNet, yon achitekti rezo neral ki byen etidye, san yo pa manke koneksyon pou konparezon (Figi 3A.ii)12.San yo pa manke koneksyon, rezo sa a pa pral kapab pran karakteristik nan yon granularite ki pi wo.
Yo te amelyore seri imaj orijinal 8\(\times\)8mm OCTA13 lè l sèvi avèk teknik refleksyon orizontal ak vètikal.Lè sa a, done konplè a te divize owaza nan nivo imaj la nan fòmasyon (51.2%), tès (12.8%), akor hyperparameter (16%), ak validation (20%) ansanm done lè l sèvi avèk bwat zouti scikit-learn python14 la.Yo te konsidere de ka, youn ki baze sou detekte sèlman imaj ki pi bon kalite (nòt jeneral 4) ak lòt la ki baze sou detekte sèlman imaj ki pi ba yo bon jan kalite (sòt jeneral 0 oswa 1).Pou chak ka itilize bon jan kalite ak bon jan kalite ki ba, rezo neral la ap antrene yon fwa sou done imaj nou an.Nan chak ka itilize, rezo neral la te fòme pou 10 epòk, tout pwa kouch men ki pi wo yo te jele, epi pwa yo nan tout paramèt entèn yo te aprann pou 40 epòk lè l sèvi avèk yon metòd diskriminasyon pousantaj aprantisaj ak yon fonksyon pèt kwa-entropi 15, 16..Fonksyon pèt entropi kwa a se yon mezi echèl logaritmik diferans ki genyen ant etikèt rezo prevwa ak done reyèl.Pandan fòmasyon, desandan gradyan fèt sou paramèt entèn rezo neral la pou minimize pèt yo.Pousantaj aprantisaj la, pousantaj abandon, ak ipèparamèt rediksyon pwa yo te ranje lè l sèvi avèk optimize Bayesyen ak 2 pwen depa o aza ak 10 iterasyon, ak AUC sou dataset la te ranje lè l sèvi avèk ipèparamèt yo kòm yon sib nan 17.
Egzanp reprezantan 8 × 8 mm OCTA imaj nan plèksis kapilè supèrfisyèl bay nòt 2 (A, B), 1 (C, D), ak 0 (E, F).Afè imaj yo montre yo gen ladan liy siyman (flèch), zafè segmentasyon (asteris), ak opakite medya (flèch).Imaj (E) se tou nan sant.
Lè sa a, koub karakteristik fonksyònman reseptè (ROC) yo pwodwi pou tout modèl rezo neral, ak rapò sou fòs siyal motè yo pwodwi pou chak ka itilize bon jan kalite ki ba ak bon jan kalite.Yo te kalkile zòn anba koub la (AUC) lè l sèvi avèk pake pROC R la, epi 95% entèval konfyans ak valè p yo te kalkile lè l sèvi avèk metòd DeLong18,19.Yo itilize nòt kimilatif moun ki evalye yo kòm baz pou tout kalkil ROC yo.Pou fòs siyal la rapòte pa machin nan, AUC a te kalkile de fwa: yon fwa pou koupe Score Scalability meyè kalite ak yon fwa pou koupe Score Scalability bon jan kalite ki ba.Rezo neral la konpare ak fòs siyal AUC ki reflete pwòp fòmasyon ak kondisyon evalyasyon li yo.
Pou plis teste modèl aprantisaj pwofon ki resevwa fòmasyon an sou yon seri done separe, yo te aplike modèl bon jan kalite segondè ak bon jan kalite ki ba dirèkteman nan evalyasyon pèfòmans 32 imaj plen figi 6\(\times\) 6mm sifas dal kolekte nan Inivèsite Yale.Eye Mass santre an menm tan ak imaj la 8 \(\fwa \) 8 mm.Imaj 6\(\×\) 6 mm yo te evalye manyèlman pa menm evalyasyon yo (RD ak JW) nan menm fason ak imaj yo 8\(\×\) 8 mm, AUC te kalkile osi byen ke presizyon ak kappa Cohen a. .egalman.
Rapò dezekilib klas la se 158:189 (\(\rho = 1.19\)) pou modèl la bon jan kalite ki ba ak 80:267 (\(\rho = 3.3\)) pou modèl la kalite siperyè.Paske rapò dezekilib klas la se mwens pase 1:4, pa gen okenn chanjman espesifik achitekti yo te fè pou korije dezekilib klas la20,21.
Pou pi byen vizyalize pwosesis aprantisaj la, kat deklanchman klas yo te pwodwi pou tout kat modèl aprantisaj pwofon ki resevwa fòmasyon: modèl ResNet152 bon jan kalite, modèl ResNet152 bon jan kalite, modèl AlexNet bon jan kalite, ak modèl AlexNet bon jan kalite.Kat deklanchman klas yo pwodwi apati kouch konvolusyonèl antre nan kat modèl sa yo, ak kat chalè yo pwodwi lè yo kouvri kat aktivasyon ak imaj sous ki soti nan seri validasyon 8 × 8 mm ak 6 × 6 mm22, 23.
Yo te itilize R vèsyon 4.0.3 pou tout kalkil estatistik, epi yo te kreye vizyalizasyon lè l sèvi avèk bibliyotèk zouti grafik ggplot2.
Nou kolekte 347 imaj devan plèks kapilè sipèfisyèl ki mezire 8 \(\fwa\)8 mm nan men 134 moun.Machin nan rapòte fòs siyal sou yon echèl 0 a 10 pou tout imaj (mwayèn = 6.99 ± 2.29).Nan 347 imaj yo akeri, laj mwayèn nan egzamen an te 58.7 ± 14.6 ane, ak 39.2% te soti nan pasyan gason.Nan tout imaj, 30.8% te soti nan kokasyen, 32.6% soti nan Nwa, 30.8% soti nan Panyòl, 4% soti nan Azyatik, ak 1.7% soti nan lòt ras (Tablo 1).).Distribisyon laj pasyan ki gen OCTA te diferan anpil selon kalite imaj la (p <0.001).Pousantaj imaj bon jan kalite nan pasyan ki pi piti ki gen laj 18-45 ane te 33.8% konpare ak 12.2% nan imaj ki ba-bon jan kalite (Tablo 1).Distribisyon estati retinopati dyabetik tou te varye anpil nan kalite imaj (p <0.017).Pami tout imaj kalite siperyè, pousantaj pasyan ki gen PDR te 18.8% konpare ak 38.8% nan tout imaj kalite ki ba (Tablo 1).
Evalyasyon endividyèl tout imaj yo te montre fyab entè-evalyasyon modere ak fò ant moun k ap li imaj yo (kappa pondere Cohen a = 0.79, 95% CI: 0.76-0.82), epi pa te gen okenn pwen imaj kote evalyasyon diferan pa plis pase 1 (Fig. 2A)..Entansite siyal korelasyon anpil ak nòt manyèl (Pearson pwodwi moman korelasyon = 0.58, 95% CI 0.51-0.65, p <0.001), men anpil imaj yo te idantifye kòm gen gwo entansite siyal men ki ba nòt manyèl (Fig. .2B).
Pandan fòmasyon an nan achitekti ResNet152 ak AlexNet, pèt kwa-entropi sou validation ak fòmasyon tonbe sou 50 epòk (Figi 3B, C).Validasyon presizyon nan epòk fòmasyon final la se plis pase 90% pou tou de kalite siperyè ak ka itilize bon jan kalite ki ba.
Koub pèfòmans reseptè yo montre ke modèl ResNet152 siyifikativman depase pouvwa siyal rapòte pa machin nan nan tou de ka ba ak bon jan kalite itilizasyon (p <0.001).Modèl ResNet152 la siyifikativman depase achitekti AlexNet (p = 0.005 ak p = 0.014 pou ka ki ba ak kalite siperyè, respektivman).Modèl ki kapab lakòz yo pou chak travay sa yo te kapab reyalize valè AUC nan 0.99 ak 0.97, respektivman, ki se siyifikativman pi bon pase valè AUC korespondan yo nan 0.82 ak 0.78 pou endèks fòs siyal machin lan oswa 0.97 ak 0.94 pou AlexNet. ..(figi 3).Diferans ki genyen ant ResNet ak AUC nan fòs siyal la pi wo lè yo rekonèt imaj kalite siperyè, sa ki endike avantaj adisyonèl nan itilize ResNet pou travay sa a.
Grafik yo montre kapasite chak evalè endepandan pou fè nòt epi konpare ak fòs siyal machin lan rapòte.(A) Yo sèvi ak sòm pwen yo dwe evalye pou kreye kantite total pwen yo dwe evalye.Imaj ki gen yon nòt jeneral évolutivité de 4 yo asiyen kalite siperyè, pandan y ap imaj ki gen yon nòt jeneral évolutivité de 1 oswa mwens yo asiyen bon jan kalite.(B) Entansite siyal korelasyon ak estimasyon manyèl, men imaj ki gen gwo entansite siyal ka pi bon kalite.Liy pwentiye wouj la endike papòt bon jan kalite rekòmande manifakti a ki baze sou fòs siyal (fòs siyal \(\ge\)6).
Aprantisaj transfè ResNet bay yon amelyorasyon siyifikatif nan idantifikasyon kalite imaj pou tou de ka itilize kalite ki ba ak bon jan kalite segondè konpare ak nivo siyal machin-rapòte.(A) Dyagram achitekti senplifye nan achitekti pre-antre (i) ResNet152 ak (ii) AlexNet.(B) Istwa fòmasyon ak koub pèfòmans reseptè pou ResNet152 konpare ak fòs siyal machin rapòte ak kritè bon jan kalite ki ba AlexNet.(C) ResNet152 reseptè fòmasyon istwa ak koub pèfòmans konpare ak machin rapòte fòs siyal ak kritè kalite siperyè AlexNet.
Apre ajiste papòt fwontyè desizyon an, presizyon maksimòm prediksyon modèl ResNet152 la se 95.3% pou ka bon jan kalite a ak 93.5% pou ka kalite siperyè (Tablo 2).Presizyon maksimòm prediksyon modèl AlexNet la se 91.0% pou ka ki ba bon jan kalite a ak 90.1% pou ka bon jan kalite segondè (Tablo 2).Presizyon maksimòm prediksyon fòs siyal la se 76.1% pou ka itilize bon jan kalite ki ba ak 77.8% pou ka itilize bon jan kalite segondè.Dapre kappa Cohen a (\(\kappa\)), akò ki genyen ant modèl ResNet152 ak estimatè yo se 0.90 pou ka a bon kalite ak 0.81 pou ka a bon jan kalite segondè.Kappa AlexNet Cohen a se 0.82 ak 0.71 pou ka itilize kalite ki ba ak kalite siperyè, respektivman.Kappa siyal fòs siyal Cohen a se 0.52 ak 0.27 pou ka itilize ba ak bon jan kalite segondè, respektivman.
Validasyon modèl rekonesans kalite siperyè ak ba sou imaj 6\(\x\) nan yon plak plat 6 mm demontre kapasite modèl ki resevwa fòmasyon an pou detèmine kalite imaj atravè divès paramèt D.Lè w ap itilize dal 6\(\x\) 6 mm fon pou bon jan kalite D, modèl la bon jan kalite ba te gen yon AUC nan 0.83 (95% CI: 0.69-0.98) ak modèl la bon jan kalite segondè te gen yon AUC nan 0.85.(95% CI: 0.55-1.00) (Tablo 2).
Enspeksyon vizyèl nan kat deklanchman klas opinyon yo te montre ke tout rezo neral ki resevwa fòmasyon yo itilize karakteristik imaj pandan klasifikasyon imaj (figi 4A, B).Pou imaj 8 \(\times \) 8 mm ak 6 \(\times \) 6 mm imaj, imaj deklanchman ResNet yo byen swiv vaskilè retin lan.Kat deklanchman AlexNet tou swiv veso retin yo, men ak rezolisyon ki pi grosye.
Kat deklanchman klas yo pou modèl ResNet152 ak AlexNet mete aksan sou karakteristik ki gen rapò ak kalite imaj.(A) Kat deklanchman klas ki montre deklanchman aderan apre vaskilè retinyen supèrfisyèl sou imaj validation 8 \(\fwa\) 8 mm ak (B) limit sou pi piti imaj validasyon 6 \(\fwa\) 6 mm.Modèl LQ ki resevwa fòmasyon sou kritè bon jan kalite ki ba, modèl HQ ki resevwa fòmasyon sou kritè kalite siperyè.
Li te deja montre ke bon jan kalite imaj ka anpil afekte nenpòt quantification nan imaj OCTA.Anplis de sa, prezans nan retinopati ogmante ensidans nan zafè imaj 7,26.An reyalite, nan done nou yo, ki konsistan avèk etid anvan yo, nou te jwenn yon asosyasyon enpòtan ant ogmante laj ak gravite nan maladi retin ak deteryorasyon nan kalite imaj (p <0.001, p = 0.017 pou laj ak DR estati, respektivman; Tablo 1) 27 Se poutèt sa, li enpòtan pou evalye kalite imaj anvan ou fè nenpòt analiz quantitative nan imaj OCTA.Pifò syans ki analize imaj OCTA yo itilize papòt entansite siyal machin-rapòte pou eskli imaj ki ba bon jan kalite.Malgre ke entansite siyal yo te montre yo afekte quantification nan paramèt OCTA, entansite siyal segondè pou kont li ka pa ase pou eskli imaj ak zafè imaj 2,3,28,29.Se poutèt sa, li nesesè yo devlope yon metòd plis serye nan kontwòl kalite imaj.Pou sa ka fèt, nou evalye pèfòmans sipèvize metòd aprantisaj pwofon kont fòs siyal la rapòte pa machin nan.
Nou te devlope plizyè modèl pou evalye kalite imaj paske diferan ka itilizasyon OCTA ka gen diferan kondisyon kalite imaj.Pou egzanp, imaj yo ta dwe pi bon kalite.Anplis de sa, paramèt espesifik quantitative nan enterè yo enpòtan tou.Pou egzanp, zòn nan zòn avasculaire foveal la pa depann de turbidité nan mwayen ki pa santral la, men afekte dansite veso yo.Pandan ke rechèch nou an ap kontinye konsantre sou yon apwòch jeneral nan bon jan kalite imaj, pa mare nan kondisyon ki nan nenpòt tès patikilye, men gen entansyon dirèkteman ranplase fòs siyal la rapòte pa machin nan, nou espere bay itilizatè yo yon pi gwo degre nan kontwòl pou yo ka chwazi metrik espesifik ki enterese itilizatè a.chwazi yon modèl ki koresponn ak degre maksimòm de zafè imaj konsidere kòm akseptab.
Pou sèn bon jan kalite ki ba ak bon jan kalite, nou montre pèfòmans ekselan nan koneksyon ki manke rezo neral gwo twou san fon konvolusyon, ak AUC nan 0.97 ak 0.99 ak modèl ki ba, respektivman.Nou demontre tou pèfòmans siperyè apwòch aprantisaj pwofon nou an lè yo konpare ak nivo siyal yo rapòte sèlman pa machin yo.Sote koneksyon pèmèt rezo neral yo aprann karakteristik nan plizyè nivo detay, kaptire pi rafine aspè nan imaj (egzanp kontras) osi byen ke karakteristik jeneral (egzanp santre imaj30,31).Depi zafè imaj ki afekte kalite imaj yo pwobableman pi byen idantifye sou yon pakèt domèn, achitekti rezo neral ak koneksyon ki manke yo ka montre pi bon pèfòmans pase sa yo ki pa gen travay detèminasyon kalite imaj.
Lè w teste modèl nou an sou imaj 6\(\×6mm) OCTA, nou remake yon diminisyon nan pèfòmans klasifikasyon pou tou de kalite siperyè ak modèl bon jan kalite ki ba (figi 2), kontrèman ak gwosè a nan modèl la ki resevwa fòmasyon pou klasifikasyon.Konpare ak modèl ResNet la, modèl AlexNet gen yon pi gwo detonasyon.Pèfòmans relativman pi bon ResNet ka akòz kapasite koneksyon rezidyèl yo pou transmèt enfòmasyon nan plizyè echèl, sa ki fè modèl la pi solid pou klasifye imaj yo te kaptire nan diferan echèl ak/oswa agrandisman.
Gen kèk diferans ki genyen ant imaj 8 \(\×\) 8 mm ak imaj 6 \(\×\) 6 mm ka mennen nan klasifikasyon pòv, ki gen ladan yon pwopòsyon relativman wo nan imaj ki gen zòn avasculaire foveal, chanjman nan vizibilite, arkad vaskilè, ak pa gen nè optik sou imaj la 6 × 6 mm.Malgre sa, bon jan kalite ResNet modèl nou an te kapab reyalize yon AUC 85% pou 6 \(\x\) 6 mm imaj, yon konfigirasyon pou ki modèl la pa te antrene, sijere ke enfòmasyon an kalite imaj kode nan rezo neral la. se apwopriye.pou yon gwosè imaj oswa konfigirasyon machin deyò fòmasyon li yo (Tablo 2).Rasirans, kat deklanchman ResNet ak AlexNet ki sanble ak 8 \(\times \) 8 mm ak 6 \(\times \) 6 mm imaj yo te kapab mete aksan sou veso retin nan tou de ka yo, sijere ke modèl la gen enfòmasyon enpòtan.yo aplikab pou klasifye tou de kalite imaj OCTA (Fig. 4).
Lauerman et al.Evalyasyon kalite imaj sou imaj OCTA yo te fèt menm jan an lè l sèvi avèk achitekti Inception, yon lòt rezo neral konvolusyonèl sote-koneksyon6,32 lè l sèvi avèk teknik aprantisaj pwofon.Yo menm tou yo te limite etid la nan imaj nan plèks kapilè supèrfisyèl la, men sèlman lè l sèvi avèk pi piti imaj yo 3 × 3 mm soti nan Optovue AngioVue, byenke pasyan ki gen divès maladi koryoretin yo te enkli tou.Travay nou an baze sou fondasyon yo, ki gen ladan plizyè modèl pou adrese divès kalite papòt imaj ak valide rezilta pou imaj diferan gwosè.Nou rapòte tou mezi AUC nan modèl aprantisaj machin yo epi ogmante presizyon yo deja enpresyonan (90%)6 pou tou de modèl ki ba (96%) ak kalite siperyè (95.7%)6.
Fòmasyon sa a gen plizyè limit.Premyèman, imaj yo te akeri ak sèlman yon machin OCTA, ki gen ladan sèlman imaj nan plèks kapilè supèrfisyèl la nan 8 \ (\ fwa \) 8 mm ak 6 \ (\ fwa \) 6 mm.Rezon ki fè yo ekskli imaj ki soti nan kouch pi fon se ke zafè pwojeksyon ka fè evalyasyon manyèl imaj yo pi difisil epi pètèt mwens konsistan.Anplis de sa, imaj yo te sèlman akeri nan pasyan dyabetik, pou ki moun OCTA ap parèt kòm yon zouti enpòtan dyagnostik ak pronostik33,34.Malgre ke nou te kapab teste modèl nou an sou imaj ki gen diferan gwosè pou asire rezilta yo te gaya, nou pa t 'kapab idantifye done ki apwopriye ki soti nan diferan sant, ki limite evalyasyon nou an nan jeneralizasyon nan modèl la.Malgre ke imaj yo te jwenn nan yon sèl sant, yo te jwenn nan pasyan ki gen diferan orijin etnik ak rasyal, ki se yon fòs inik nan etid nou an.Lè nou mete divèsite nan pwosesis fòmasyon nou an, nou espere ke rezilta nou yo pral jeneralize nan yon sans pi laj, e ke nou pral evite kode patipri rasyal nan modèl nou fòme yo.
Etid nou an montre ke koneksyon-sote rezo neral yo ka resevwa fòmasyon pou reyalize pèfòmans segondè nan detèmine kalite imaj OCTA.Nou bay modèl sa yo kòm zouti pou plis rechèch.Paske diferan metrik ka gen diferan kondisyon kalite imaj, yo ka devlope yon modèl kontwòl kalite endividyèl pou chak metrik lè l sèvi avèk estrikti ki etabli isit la.
Rechèch nan lavni ta dwe gen ladan imaj diferan gwosè ki soti nan diferan pwofondè ak diferan machin OCTA pou jwenn yon pwosesis evalyasyon kalite imaj aprantisaj pwofon ki ka jeneralize nan platfòm OCTA ak pwotokòl D.Rechèch aktyèl la baze tou sou apwòch aprantisaj pwofon sipèvize ki mande pou evalyasyon imen ak evalyasyon imaj, ki ka travay entansif ak tan konsome pou gwo done.Li rete pou wè si metòd aprantisaj pwofon san sipèvizyon ka byen distenge ant imaj ki ba ak bon jan kalite imaj.
Kòm teknoloji OCTA ap kontinye evolye ak vitès optik ogmante, ensidans nan zafè imaj ak imaj move kalite ka diminye.Amelyorasyon nan lojisyèl an, tankou karakteristik nan retire zafè pwojeksyon ki fèk prezante, kapab tou soulaje limit sa yo.Sepandan, anpil pwoblèm rete kòm D 'pasyan ki gen move fixation oswa siyifikatif turbidity medya envaryabmam rezilta nan zafè imaj.Kòm OCTA vin pi lajman itilize nan esè klinik, yo bezwen anpil konsiderasyon pou etabli direktiv klè pou nivo imaj akseptab pou analiz imaj.Aplikasyon an nan metòd aprantisaj pwofon nan imaj OCTA kenbe gwo pwomès ak plis rechèch bezwen nan domèn sa a yo devlope yon apwòch solid nan kontwòl kalite imaj.
Kòd yo itilize nan rechèch aktyèl la disponib nan depo octa-qc, https://github.com/rahuldhodapkar/octa-qc.Ansanm done ki pwodui ak/oswa analize pandan etid aktyèl la disponib nan men otè respektif yo sou demann rezonab.
Spaide, RF, Fujimoto, JG & Waheed, NK Afè imaj nan anjyografi koerans optik.Retin 35, 2163–2180 (2015).
Fenner, BJ et al.Idantifikasyon karakteristik D ki detèmine bon jan kalite ak repwodiksyon mezi dansite retin kapilè nan anjyografi OCT.BR.J. Oftalmol.102, 509–514 (2018).
Lauerman, JL et al.Enfliyans teknoloji je-swiv sou kalite imaj OCT anjyografi nan koripsyon makilè ki gen rapò ak laj.Grave vout.klinik.Eksp.oftalmoloji.255, 1535–1542 (2017).
Babyuch AS et al.Yo itilize mezi dansite perfusion kapilè OCTA pou detekte ak evalye iskemi makilè.operasyon oftalmik.Retin Lazè Imaging 51, S30–S36 (2020).
Li, K., Zhang, X., Ren, S., ak Solèy, J. Deep Residual Learning pou Rekonesans Imaj.Nan 2016 nan Konferans IEEE sou vizyon òdinatè ak rekonesans modèl (2016).
Lauerman, JL et al.Otomatik OCT anjyografik evalyasyon kalite imaj lè l sèvi avèk algoritm aprantisaj pwofon.Grave vout.klinik.Eksp.oftalmoloji.257, 1641–1648 (2019).
Lauermann, J. et al.Prevalans erè segmentasyon ak zafè mouvman nan anjyografi OCT depann de maladi retin lan.Grave vout.klinik.Eksp.oftalmoloji.256, 1807–1816 (2018).
Pask, Adam et al.Pytorch: Yon bibliyotèk aprantisaj pwofon ki gen gwo pèfòmans.Pwosesis avanse nan enfòmasyon neral.sistèm.32, 8026–8037 (2019).
Deng, J. et al.ImageNet: Yon gwo echèl baz done yerarchize imaj.2009 Konferans IEEE sou vizyon òdinatè ak rekonesans modèl.248–255.(2009).
Krizhevsky A., Sutzkever I. ak Hinton GE Imagenet klasifikasyon lè l sèvi avèk gwo twou san fon rezo neral konvolusyon.Pwosesis avanse nan enfòmasyon neral.sistèm.25, 1 (2012).