人工智能助力OCT再升级

编者按：

OCT在指导黄斑疾病的诊断和治疗中发挥着重要的作用。近年来，OCT硬件不断升级，但是在图像分析方面却鲜有突破。现有的大部分软件仅能测量视网膜厚度、对视网膜内囊样液体（Intraretinal Cystoid Fluid，IRC）和视网膜下液体（Subretinal Fluid，SRF）进行定性。为了更好地指导临床，我们需要对IRC和SRF进行快速精准的定性和定量。近期，奥地利医生们提出了OCT图像的自动分析技术，让我们来先睹为快。

基于人工智能的自动分析技术

该研究采用基于人工智能深入学习方法的自动分析技术（图1）识别和量化传统OCT图像上的IRC及SRF。研究对1200张OCT图像（蔡司Cirrus600张，海德堡Spectralis600张）分别进行自动和手动分析（图2），其中包括湿性年龄相关性黄斑变性（Age-related macular degeneration, AMD）、糖尿病黄斑水肿(Diabetic Macular Edema, DME)及视网膜静脉阻塞(Retinal Vein Occlusion, RVO)各400张。对比评价该技术识别和定量分析IRC及SRF的准确性。

图1：自动分析方法说明。该方法包括一个带有编码-解码框架的卷积神经网络，它能够识别IRC和SRF。编码将OCT图像转换成抽象形式（嵌入）。解码将嵌入的图像转换成一个全分辨率输入标识图像。绿色为IRC，蓝色为SRF，红色为非液体视网膜组织。黑色为背景区域。

图2. 图示分别为AMD、DME及RVO的Cirrus或SpectralisOCT图像及其分析。第一行为OCT图像，第二行为手动分析结果，第三行为自动分析结果（绿色为IRC，蓝色为SRF）。

自动分析技术灵敏可靠

自动分析技术能够清晰辨别三种黄斑疾病中的IRC和SRF。在IRC和SRF的诊断及量化方面的平均正确率、平均准确率及平均召回率分别为0.94、0.91、0.84和0.92、0.61、0.81。统计分析表明，自动分析技术和手动分析在液体定位和量化方面高度线性相关（图2），IRC和SRF的平均Pearson’s相关系数分别为0.90、0.96。

自动分析技术是高度灵敏可靠的识别、区分和量化OCT图像中黄斑区液体（IRC和SRF）的方法。将会在黄斑疾病的诊断治疗中发挥重要作用。

原文：