清澤のコメント：この論文では、SD-OCTで測定される網膜神経節細胞層の厚さの深層学習アルゴリズムでの補正が論じられた。わかりやすいストーリーです。今後このような測定法が一般化してゆくのだろうと思われる。（
図は別の出典から流用）
ーーーーーーーー
U-net アーキテクチャを使用したスペクトル領域光コヒーレンストモグラフィ画像の網膜神経線維層厚測定の補正
概要
目的:この研究では、深層学習に基づくアルゴリズムが提示され、眼科医の手動セグメンテーションを参照標準として使用して、スペクトル ドメイン光コヒーレンストモグラフィー (SD-OCT) スキャンの網膜神経線維層 (RNFL) セグメンテーション エラーを低減しました。
方法:この研究では、SD-OCT で得られた B スキャンから RNFL の厚さを自動的に識別するために、深層学習に基づく画像セグメンテーション ネットワークを開発しました。スキャンはファラビ眼科病院から収集されました (500 の B スキャンがトレーニングに使用され、50 がテストに使用されました)。画像からスペックル ノイズを除去するために、トレーニングの前に前処理が適用され、存在する可能性のある不連続性を埋めるために後処理が実行されました。その後、出力マスクの平均厚さを分析しました。最後に、予測された RNFL 厚とグラウンド トゥルース RNFL 厚との間の平均絶対誤差の計算が実行されました。
結果：テスト データベースに基づくと、SD-OCT セグメンテーションの平均ダイス類似係数は 0.91、厚さ推定の平均絶対誤差は 2.23 ± 2.1 μm でした。従来の OCT ソフトウェア アルゴリズムと比較して、ディープ ラーニングの予測は、テスト期間中に利用可能な最良の推定値とよりよく相関していました (それぞれ r2 = 0.99 対 r2 = 0.88; P < 0.001)。
結論:私たちの実験結果は、0.91 の係数を持つ RNFL 層の効果的かつ正確なセグメンテーションと、SD-OCT B スキャンでの MAE 2.23 ± 2.1 μm による信頼性の高い厚さ予測を示しています。パフォーマンスは、相関係数 0.99 および 0.88 によると、RNFL レイヤーおよび他のアルゴリズムのヒューマン アノテーションに匹敵しますが、アーティファクトとエラーは明らかです。
キーワード:
深層学習、光コヒーレンストモグラフィー、網膜神経線維層
コメント