Tapadh leibh airson tadhal air Nature.com.Tha thu a’ cleachdadh dreach brobhsair le taic CSS cuibhrichte.Airson an eòlas as fheàrr, tha sinn a’ moladh gun cleachd thu brobhsair ùraichte (no cuir à comas Modh Co-chòrdalachd ann an Internet Explorer).A bharrachd air an sin, gus dèanamh cinnteach à taic leantainneach, bidh sinn a’ sealltainn an làrach gun stoidhlichean agus JavaScript.
Sleamhnagan a’ sealltainn trì artaigilean gach sleamhnag.Cleachd na putanan air ais is air adhart gus gluasad tro na sleamhnagan, no na putanan rianadair sleamhnag aig an deireadh gus gluasad tro gach sleamhnag.
Tha angiography tomagrafach co-leanailteachd optigeach (OCTA) na dhòigh ùr airson sealladh neo-ionnsaigheach de shoithichean retinal.Ged a tha mòran thagraidhean clionaigeach gealltanach aig OCTA, tha e na dhùbhlan fhathast càileachd ìomhaigh a dhearbhadh.Leasaich sinn siostam domhainn stèidhichte air ionnsachadh a’ cleachdadh an seòrsaiche lìonra neural ResNet152 ro-thrèanadh le ImageNet gus ìomhaighean plexus capillary uachdarach a sheòrsachadh bho sganaidhean 347 de euslaintich 134.Chaidh na h-ìomhaighean cuideachd a mheasadh le làimh mar fhìor fhìrinn le dà neach-measaidh neo-eisimeileach airson modal ionnsachaidh fo stiùir.Leis gum faodadh riatanasan càileachd ìomhaigh a bhith eadar-dhealaichte a rèir suidheachadh clionaigeach no rannsachaidh, chaidh dà mhodail a thrèanadh, aon airson aithneachadh ìomhaigh àrd-inbhe agus am fear eile airson aithneachadh ìomhaigh de chàileachd ìosal.Tha am modal lìonra neural againn a’ sealltainn raon sàr-mhath fon lùb (AUC), 95% CI 0.96-0.99, \ (\ kappa \) = 0.81), a tha gu math nas fheàrr na an ìre chomharran a chaidh aithris leis an inneal (AUC = 0.82, 95). % CI).0.77–0.86, \(\kappa\) = 0.52 agus AUC = 0.78, 95% CI 0.73–0.83, \(\kappa\) = 0.27, fa leth).Tha an sgrùdadh againn a’ sealltainn gun gabh dòighean ionnsachaidh inneal a chleachdadh gus dòighean smachd càileachd sùbailte is làidir a leasachadh airson ìomhaighean OCTA.
Tha angiography tomagrafach co-leanailteachd optigeach (OCTA) na innleachd an ìre mhath ùr stèidhichte air tomagrafaidheachd co-leanailteachd optigeach (OCT) a dh’ fhaodar a chleachdadh airson sealladh neo-ionnsaigheil den mhicro-bhroinn retinal.Bidh OCTA a’ tomhas an eadar-dhealachaidh ann am pàtrain meòrachaidh bho bhuillean solais a-rithist anns an aon raon den reitine, agus faodar ath-thogail an uairsin obrachadh a-mach gus soithichean fala fhoillseachadh gun a bhith a’ cleachdadh dathan ionnsaigheach no àidseantan eadar-dhealaichte eile.Bidh OCTA cuideachd a’ comasachadh ìomhaighean falaisgeach le rùn doimhneachd, a’ leigeil le luchd-clionaigeach sgrùdadh a dhèanamh air leth air sreathan de shoithichean uachdarach agus domhainn, a’ cuideachadh le bhith ag eadar-dhealachadh eadar galair chorioretinal.
Fhad ‘s a tha an dòigh seo gealltanach, tha atharrachadh càileachd ìomhaigh fhathast na dhùbhlan mòr airson mion-sgrùdadh ìomhaigh earbsach, a’ dèanamh mìneachadh ìomhaigh duilich agus a ’cur casg air gabhail clionaigeach farsaing.Leis gu bheil OCTA a’ cleachdadh grunn sganaidhean OCT leantainneach, tha e nas mothachaile do stuthan ìomhaigh na tha àbhaisteach OCT.Bidh a’ mhòr-chuid de àrd-ùrlaran malairteach OCTA a’ toirt seachad am meatrach càileachd ìomhaigh fhèin ris an canar Comharran Neart (SS) no uaireannan Clàr Neart Comharran (SSI).Ach, chan eil ìomhaighean le luach àrd SS no SSI a’ gealltainn nach bi stuthan ìomhaigh ann, a dh’ fhaodadh buaidh a thoirt air mion-sgrùdadh ìomhaigh sam bith às deidh sin agus leantainn gu co-dhùnaidhean clionaigeach ceàrr.Tha artifacts ìomhaigh cumanta a dh’ fhaodadh tachairt ann an ìomhaighean OCTA a’ toirt a-steach artifacts gluasad, artifacts segmentation, artifacts opacity media, agus artifacts projection1,2,3.
Leis gu bheilear a’ cleachdadh barrachd is barrachd cheumannan a thig bho OCTA leithid dùmhlachd fasglach ann an rannsachadh eadar-theangachaidh, deuchainnean clionaigeach agus cleachdadh clionaigeach, tha feum èiginneach air pròiseasan smachd càileachd ìomhaigh làidir agus earbsach a leasachadh gus cuir às do stuthan ìomhaigh4.Tha ceanglaichean sgip, ris an canar cuideachd ceanglaichean fuigheall, nan ro-mheasaidhean ann an ailtireachd lìonra neural a leigeas le fiosrachadh faighinn seachad air sreathan connspaideach fhad ‘s a tha iad a’ stòradh fiosrachadh aig diofar ìrean no rùintean5.Leis gum faod artifacts ìomhaigh buaidh a thoirt air coileanadh ìomhaigh beag-sgèile agus coitcheann, tha lìonraidhean neòil ceangail sgiobalta gu math freagarrach airson a’ ghnìomh smachd càileachd seo5 a dhèanamh fèin-ghluasadach.Tha obair a chaidh fhoillseachadh o chionn ghoirid air gealladh a nochdadh airson lìonraidhean neural connspaideach domhainn air an trèanadh a’ cleachdadh dàta àrd-inbhe bho luchd-measaidh daonna6.
Anns an sgrùdadh seo, bidh sinn a’ trèanadh lìonra neural connspaideach sgith-cheangail gus càileachd ìomhaighean OCTA a dhearbhadh gu fèin-ghluasadach.Bidh sinn a’ togail air obair a rinneadh roimhe le bhith a’ leasachadh mhodalan fa leth airson ìomhaighean àrd-inbhe agus ìomhaighean de chàileachd ìosal a chomharrachadh, leis gum faodadh riatanasan càileachd ìomhaigh a bhith eadar-dhealaichte airson suidheachaidhean clionaigeach no rannsachaidh sònraichte.Bidh sinn a’ dèanamh coimeas eadar toraidhean nan lìonraidhean sin le lìonraidhean neural connspaideach gun a bhith a’ call cheanglaichean gus measadh a dhèanamh air luach a bhith a’ toirt a-steach feartan aig ioma-ìrean granularity taobh a-staigh ionnsachadh domhainn.An uairsin rinn sinn coimeas eadar na toraidhean againn agus neart chomharran, tomhas ris an gabhar gu cumanta de chàileachd ìomhaigh a thug luchd-saothrachaidh seachad.
Bha an sgrùdadh againn a’ toirt a-steach euslaintich le tinneas an t-siùcair a bha an làthair aig Ionad Yale Eye eadar 11 Lùnastal, 2017 agus 11 Giblean, 2019. Chaidh euslaintich le galar chorioretinal neo-diabetic sam bith a thoirmeasg.Cha robh slatan-tomhais in-ghabhail no às-dùnadh stèidhichte air aois, gnè, cinneadh, càileachd ìomhaigh, no adhbhar sam bith eile.
Chaidh ìomhaighean OCTA fhaighinn a’ cleachdadh àrd-ùrlar AngioPlex air a Cirrus HD-OCT 5000 (Carl Zeiss Meditec Inc, Baile Àtha Cliath, CA) fo phròtacalan ìomhaighean 8 \ (\ times\) 8 mm agus 6 \ (\times\) 6 mm.Fhuaireadh cead fiosraichte airson com-pàirteachadh san sgrùdadh bho gach com-pàirtiche sgrùdaidh, agus dh’ aontaich Bòrd Lèirmheas Institiùd Oilthigh Yale (IRB) cead fiosraichte a chleachdadh le dealbhan cruinne airson na h-euslaintich sin uile.A’ leantainn phrionnsapalan Dearbhadh Helsinki.Chaidh an sgrùdadh aontachadh le IRB Oilthigh Yale.
Chaidh ìomhaighean plàta uachdar a mheasadh stèidhichte air an Sgòr Gluasad Artifact (MAS) a chaidh a mhìneachadh roimhe seo, an Sgòr Artifact Segmentation (SAS) a chaidh a mhìneachadh roimhe seo, an ionad foveal, làthaireachd neo-sheasmhachd mheadhanan, agus deagh shealladh air capillaries beaga mar a chaidh a dhearbhadh leis an neach-measaidh ìomhaigh.Chaidh na h-ìomhaighean a sgrùdadh le dithis luchd-measaidh neo-eisimeileach (RD agus JW).Tha sgòr ìreichte de 2 aig ìomhaigh (ion-roghnach) ma thèid na slatan-tomhais gu lèir a choileanadh a leanas: tha ìomhaigh stèidhichte air an fovea (nas lugha na 100 piogsail bho mheadhan na h-ìomhaigh), MAS is 1 no 2, is e SAS 1, agus tha neo-sheasmhachd meadhanan nas lugha na 1. An làthair air ìomhaighean de mheud / 16, agus chithear capillaries beaga ann an ìomhaighean nas motha na 15/16.Tha ìomhaigh air a rangachadh 0 (gun rangachadh) ma thèid gin de na slatan-tomhais a leanas a choileanadh: tha an ìomhaigh far-meadhan, ma tha MAS 4, ma tha SAS 2, no ma tha an teodhachd cuibheasach nas àirde na 1/4 den ìomhaigh, agus chan urrainnear na capillaries beaga atharrachadh nas motha na 1 ìomhaigh / 4 gus eadar-dhealachadh a dhèanamh.Tha a h-uile dealbh eile nach eil a’ coinneachadh ri slatan-tomhais sgòraidh 0 no 2 air an sgòradh mar 1 (bearradh).
Air fige.Tha 1 a’ sealltainn eisimpleirean de dhealbhan airson gach tuairmse sgèile agus artifacts ìomhaigh.Chaidh earbsachd eadar-rater sgòran fa leth a mheasadh le cuideam kappa Cohen8.Tha na sgòran fa leth airson gach neach-luachaidh air an cruinneachadh gus sgòr iomlan fhaighinn airson gach ìomhaigh, eadar 0 agus 4. Thathas den bheachd gu bheil ìomhaighean le sgòr iomlan de 4 math.Thathas den bheachd gu bheil ìomhaighean le sgòr iomlan de 0 no 1 de chàileachd ìosal.
Chaidh lìonra neural connspaideach ailtireachd ResNet152 (Fig. 3A.i) ro-thrèanadh air ìomhaighean bhon stòr-dàta ImageNet a chruthachadh le bhith a’ cleachdadh fast.ai agus frèam PyTorch5, 9, 10, 11. Is e lìonra neural convolutional lìonra a bhios a’ cleachdadh na chaidh ionnsachadh sìoltachain airson criomagan ìomhaighean a sganadh gus feartan spàsail is ionadail a sgrùdadh.Tha an ResNet trèanaidh againn na lìonra neural 152-còmhdach air a chomharrachadh le beàrnan no “ceanglaichean air fhàgail” a bhios a’ sgaoileadh fiosrachadh aig an aon àm le ioma rùn.Le bhith a’ cuir a-mach fiosrachadh aig diofar rùintean thairis air an lìonra, faodaidh an àrd-ùrlar feartan ìomhaighean ìosal ionnsachadh aig grunn ìrean de mhion-fhiosrachadh.A bharrachd air a’ mhodal ResNet againn, rinn sinn trèanadh cuideachd air AlexNet, ailtireachd lìonra neural air a dheagh sgrùdadh, gun a bhith a’ call cheanglaichean airson coimeas (Figear 3A.ii)12.Às aonais ceanglaichean a dhìth, cha bhith e comasach don lìonra seo feartan a ghlacadh aig ìre nas àirde.
Chaidh an seata ìomhaigh tùsail 8 \ (\ times\) 8mm OCTA13 a leasachadh le bhith a’ cleachdadh dòighean meòrachaidh còmhnard is dìreach.Chaidh an làn sheata dàta an uairsin a roinn air thuaiream aig ìre na h-ìomhaigh gu trèanadh (51.2%), deuchainn (12.8%), gleusadh hyperparameter (16%), agus dàta dearbhaidh (20%) a’ cleachdadh am bogsa inneal ionnsachadh scikit python14.Chaidh beachdachadh air dà chùis, aon stèidhichte air a bhith a’ lorg dìreach na h-ìomhaighean den chàileachd as àirde (sgòr iomlan 4) agus am fear eile stèidhichte air dìreach na h-ìomhaighean càileachd as ìsle a lorg (sgòr iomlan 0 no 1).Airson gach cùis cleachdaidh àrd-inbhe agus ìosal, tha an lìonra neural air ath-thrèanadh aon uair air an dàta ìomhaigh againn.Anns gach cùis cleachdaidh, chaidh an lìonra neural a thrèanadh airson 10 epochs, chaidh a h-uile càil ach na cuideaman ìre as àirde a reothadh, agus chaidh cuideaman a h-uile paramadair a-staigh ionnsachadh airson epochs 40 a’ cleachdadh modh ìre ionnsachaidh lethbhreith le gnìomh call tar-entropy 15, 16..Tha an gnìomh call tar-entropy mar thomhas air sgèile logarithmach an eadar-dhealachaidh eadar bileagan lìonraidh a tha dùil agus fìor dhàta.Rè an trèanaidh, thèid teàrnadh caisead a dhèanamh air paramadairean taobh a-staigh an lìonra neural gus call a lughdachadh.Chaidh an ìre ionnsachaidh, an ìre leigeil a-mach, agus hyperparameters lughdachadh cuideam a ghleusadh le bhith a’ cleachdadh optimization Bayesian le puingean tòiseachaidh air thuaiream 2 agus tionndaidhean 10, agus chaidh an AUC air an t-seata dàta a ghleusadh le bhith a’ cleachdadh na hyperparameters mar thargaid de 17.
Fhuair eisimpleirean riochdachail de dhealbhan 8 × 8 mm OCTA de plexuses capillary superficial 2 (A, B), 1 (C, D), agus 0 (E, F).Tha na stuthan ìomhaigh a tha air an sealltainn a’ toirt a-steach loidhnichean flickering (saigheadan), artifacts sgaradh (rionnagan), agus neo-sheasmhachd mheadhanan (saighdean).Tha ìomhaigh (E) cuideachd far-ionad.
Bithear an uairsin a’ gineadh lùban feartan obrachaidh glacadair (ROC) airson a h-uile modal lìonra neural, agus thathas a’ cruthachadh aithisgean neart comharran einnsean airson gach cùis cleachdaidh de chàileachd ìosal agus àrd-inbhe.Chaidh farsaingeachd fon lùb (AUC) a thomhas a’ cleachdadh a’ phacaid pROC R, agus chaidh amannan misneachd 95% agus luachan-p a thomhas a’ cleachdadh modh DeLong18,19.Tha na sgòran tionalach de luchd-measaidh daonna air an cleachdadh mar bhun-loidhne airson a h-uile àireamhachadh ROC.Airson an neart chomharran a chaidh aithris leis an inneal, chaidh an AUC a thomhas dà uair: aon uair airson gearradh Sgòr Scalability de chàileachd àrd agus aon uair airson gearradh Sgòr Scalability de chàileachd ìosal.Tha an lìonra neural air a choimeas ri neart chomharran AUC a’ nochdadh a chumhachan trèanaidh is measaidh fhèin.
Gus tuilleadh deuchainn a dhèanamh air a’ mhodal ionnsachaidh domhainn le trèanadh air stòr-dàta fa-leth, chaidh modalan àrd-inbhe agus càileachd ìosal a chuir an sàs gu dìreach airson measadh coileanaidh de 32 làn aghaidh 6 \ (\ amannan \) ìomhaighean leac uachdar 6mm a chaidh a chruinneachadh bho Oilthigh Yale.Tha Eye Mass stèidhichte aig an aon àm ris an ìomhaigh 8 \ (\ times \) 8 mm.Chaidh na h-ìomhaighean 6 \ (\ × \) 6 mm a mheasadh le làimh leis na h-aon radairean (RD agus JW) san aon dòigh ris na h-ìomhaighean 8 \ (\ × \) 8 mm, chaidh AUC a thomhas a bharrachd air cruinneas agus kappa Cohen .co-ionann.
Is e an co-mheas neo-chothromachadh clas 158: 189 (\(\ rho = 1.19\)) airson a’ mhodail de chàileachd ìosal agus 80:267 (\(\ rho = 3.3\)) airson a’ mhodail de chàileachd àrd.Leis gu bheil an co-mheas mì-chothromachadh clas nas ìsle na 1: 4, cha deach atharrachaidhean ailtireil sònraichte a dhèanamh gus mì-chothromachadh clas a cheartachadh20,21.
Gus am pròiseas ionnsachaidh fhaicinn nas fheàrr, chaidh mapaichean gnìomhachd clas a chruthachadh airson na ceithir modalan ionnsachaidh domhainn le trèanadh: modail ResNet152 de chàileachd àrd, modail ResNet152 de chàileachd ìosal, modal AlexNet de chàileachd àrd, agus modal AlexNet de chàileachd ìosal.Tha mapaichean gnìomhachd clas air an gineadh bho na sreathan convolutionally cuir a-steach de na ceithir modalan sin, agus tha mapaichean teas air an gineadh le bhith a’ toirt thairis air mapaichean gnìomhachaidh le ìomhaighean stòr bho na seataichean dearbhaidh 8 × 8 mm agus 6 × 6 mm22, 23.
Chaidh dreach R 4.0.3 a chleachdadh airson a h-uile àireamhachadh staitistigeil, agus chaidh ìomhaighean a chruthachadh a’ cleachdadh leabharlann inneal grafaigs ggplot2.
Chruinnich sinn 347 ìomhaigh aghaidh den plexus capillary uachdarach a ’tomhas 8 \ (\ amannan \) 8 mm bho 134 neach.Thug an inneal cunntas air neart chomharran air sgèile 0 gu 10 airson a h-uile dealbh (meadhanach = 6.99 ± 2.29).De na h-ìomhaighean 347 a chaidh fhaighinn, b’ e aois chuibheasach an sgrùdaidh 58.7 ± 14.6 bliadhna, agus bha 39.2% bho euslaintich fireann.De na h-ìomhaighean gu lèir, bha 30.8% bho Caucasians, 32.6% bho Blacks, 30.8% bho Hispanics, 4% bho Asianaich, agus 1.7% bho rèisean eile (Clàr 1).).Bha cuairteachadh aois euslaintich le OCTA gu math eadar-dhealaichte a rèir càileachd an deilbh (p <0.001).Bha an àireamh sa cheud de dhealbhan àrd-inbhe ann an euslaintich nas òige aois 18-45 bliadhna aig 33.8% an taca ri 12.2% de dhealbhan càileachd ìosal (Clàr 1).Bha cuairteachadh inbhe retinopathy diabetic cuideachd ag atharrachadh gu mòr ann an càileachd ìomhaigh (p <0.017).Am measg a h-uile ìomhaigh àrd-inbhe, bha an àireamh sa cheud de euslaintich le PDR aig 18.8% an coimeas ri 38.8% de na h-ìomhaighean càileachd ìosal (Clàr 1).
Sheall rangachadh fa leth de na h-ìomhaighean uile earbsachd eadar-mheasan meadhanach gu làidir eadar daoine a bha a’ leughadh nan ìomhaighean (kappa le cuideam Cohen = 0.79, 95% CI: 0.76-0.82), agus cha robh puingean ìomhaigh ann far an robh eadar-dhealachaidhean eadar luchd-measaidh nas motha na 1 (Fig. 2A)..Bha dlùth-chomharran co-cheangailte gu mòr ri sgòradh làimhe (co-dhàimh mionaid toraidh Pearson = 0.58, 95% CI 0.51–0.65, p <0.001), ach chaidh mòran ìomhaighean a chomharrachadh le dian chomharran àrd ach sgòradh làimhe ìosal (Fig. .2B).
Rè trèanadh ailtireachd ResNet152 agus AlexNet, tha an call tar-entropy air dearbhadh agus trèanadh a’ tuiteam thairis air 50 amannan (Figear 3B, C).Tha cruinneas dearbhaidh anns an àm trèanaidh mu dheireadh os cionn 90% airson gach cuid cùisean cleachdaidh àrd-inbhe agus càileachd ìosal.
Tha lùban coileanaidh glacadair a’ sealltainn gu bheil am modal ResNet152 gu mòr a’ coileanadh nas fheàrr na cumhachd nan comharran a dh’ aithris an inneal ann an cùisean cleachdaidh ìosal agus àrd-inbhe (p <0.001).Tha am modail ResNet152 cuideachd gu mòr nas fheàrr na ailtireachd AlexNet (p = 0.005 agus p = 0.014 airson cùisean càileachd ìosal agus àrd-inbhe, fa leth).Bha na modailean a thàinig às a dhèidh airson gach aon de na gnìomhan sin comasach air luachan AUC de 0.99 agus 0.97 a choileanadh, fa leth, a tha gu math nas fheàrr na na luachan AUC co-fhreagarrach de 0.82 agus 0.78 airson clàr-amais neart comharra inneal no 0.97 agus 0.94 airson AlexNet ..(Fig. 3).Tha an eadar-dhealachadh eadar ResNet agus AUC ann an neart chomharran nas àirde nuair a thathar ag aithneachadh ìomhaighean àrd-inbhe, a’ nochdadh buannachdan a bharrachd bho bhith a’ cleachdadh ResNet airson na h-obrach seo.
Tha na grafaichean a’ sealltainn comas gach neach-tomhais neo-eisimeileach sgòradh agus coimeas a dhèanamh ri neart nan comharran a dh’ innis an inneal.(A) Tha suim nam puingean a tha ri mheasadh air a chleachdadh gus an àireamh iomlan de phuingean a tha ri mheasadh a chruthachadh.Tha ìomhaighean le sgòr scalability iomlan de 4 air an toirt seachad de chàileachd àrd, agus tha ìomhaighean le sgòr scalability iomlan de 1 no nas lugha air an toirt seachad de chàileachd ìosal.(B) Tha dian chomharran co-cheangailte ri tuairmsean làimhe, ach faodaidh ìomhaighean le dian chomharran a bhith de chàileachd nas miosa.Tha an loidhne dotagach dearg a’ comharrachadh an stairsnich càileachd a tha an neach-dèanamh a’ moladh a rèir neart nan comharran (neart chomharran \(\ge\)6).
Tha ionnsachadh gluasaid ResNet a’ toirt adhartas mòr ann an comharrachadh càileachd ìomhaigh airson an dà chuid cùisean cleachdaidh de chàileachd ìosal agus àrd-inbhe an coimeas ri ìrean comharran a chaidh aithris le inneal.(A) Diagraman ailtireachd simplichte de ailtireachd ro-thrèanadh (i) ResNet152 agus (ii) AlexNet.(B) Eachdraidh trèanaidh agus lùban coileanaidh cuidhteas airson ResNet152 an coimeas ri neart comharran aithris inneal agus slatan-tomhais càileachd ìosal AlexNet.(C) Eachdraidh trèanaidh cuidhteas ResNet152 agus lùban coileanaidh an coimeas ri neart comharran aithris inneal agus slatan-tomhais àrd-inbhe AlexNet.
Às deidh an stairsneach crìche co-dhùnaidh atharrachadh, is e an cruinneas ro-innse as àirde de mhodail ResNet152 95.3% airson a ’chùis càileachd ìosal agus 93.5% airson a’ chùis àrd-inbhe (Clàr 2).Is e an cruinneas ro-innse as àirde de mhodail AlexNet 91.0% airson a ’chùis càileachd ìosal agus 90.1% airson a’ chùis àrd-inbhe (Clàr 2).Is e an cruinneas ro-innse neart comharra as àirde 76.1% airson a’ chùis cleachdaidh càileachd ìosal agus 77.8% airson a ’chùis cleachdaidh àrd-inbhe.A rèir kappa Cohen (\(\ kappa\)), is e an aonta eadar modal ResNet152 agus na measaidhean 0.90 airson a’ chùis càileachd ìosal agus 0.81 airson a’ chùis àrd-inbhe.Tha AlexNet kappa aig Cohen 0.82 agus 0.71 airson cùisean cleachdaidh de chàileachd ìosal agus àrd-inbhe, fa leth.Is e neart comharra Cohen kappa 0.52 agus 0.27 airson cùisean cleachdaidh ìosal agus àrd-inbhe, fa leth.
Tha dearbhadh mhodalan aithneachaidh càileachd àrd is ìosal air ìomhaighean 6 \ ( \ x \ ) de phlàta rèidh 6 mm a’ nochdadh comas a’ mhodail ionnsaichte càileachd ìomhaigh a dhearbhadh thar diofar pharaimearan ìomhaighean.Nuair a bhathas a’ cleachdadh leacan eu-domhainn 6 \ (\ x \) 6 mm airson càileachd ìomhaigh, bha AUC de 0.83 (95% CI: 0.69–0.98) aig a’ mhodail càileachd ìosal agus bha AUC de 0.85 aig a’ mhodail de chàileachd àrd.(95% CI: 0.55–1.00) (Clàr 2).
Sheall sgrùdadh lèirsinneach air na mapaichean gnìomhachaidh clas ìre cuir a-steach gun robh a h-uile lìonra neural trèanaidh a’ cleachdadh feartan ìomhaigh rè seòrsachadh ìomhaighean (Fig. 4A, B).Airson ìomhaighean 8 \ (\ times \) 8 mm agus 6 \ (\ times \) 6 mm, tha na h-ìomhaighean gnìomhachaidh ResNet a’ leantainn gu dlùth ri vasculature retinal.Bidh mapaichean gnìomhachd AlexNet cuideachd a’ leantainn shoithichean retinal, ach le rùn nas garbh.
Tha na mapaichean gnìomh clas airson na modalan ResNet152 agus AlexNet a’ soilleireachadh feartan co-cheangailte ri càileachd ìomhaigh.(A) Mapa gnìomhachd clas a’ sealltainn gnìomhachd ciallach às deidh vasculature retinal uachdarach air ìomhaighean dearbhaidh 8 \ (\ times \) 8 mm agus (B) ìre air ìomhaighean dearbhaidh 6 \ (\ amannan \) 6 mm nas lugha.Modail LQ air a thrèanadh a rèir slatan-tomhais càileachd ìosal, modal HQ air a thrèanadh a rèir slatan-tomhais àrd-inbhe.
Chaidh a shealltainn roimhe seo gum faod càileachd ìomhaigh buaidh mhòr a thoirt air tomhas sam bith de dhealbhan OCTA.A bharrachd air an sin, tha làthaireachd retinopathy ag àrdachadh tricead artifacts ìomhaigh7,26.Gu dearbh, anns an dàta againn, co-chòrdail ri sgrùdaidhean roimhe, lorg sinn ceangal cudromach eadar aois a tha a’ sìor fhàs agus cho dona sa tha galair retinal agus crìonadh ann an càileachd ìomhaigh (p <0.001, p = 0.017 airson aois agus inbhe DR, fa leth; Clàr 1) 27 Mar sin, tha e deatamach càileachd ìomhaigh a mheasadh mus dèan thu mion-sgrùdadh cainneachdail air ìomhaighean OCTA.Bidh a’ mhòr-chuid de sgrùdaidhean a’ dèanamh anailis air ìomhaighean OCTA a’ cleachdadh stairsnich dian chomharran a chaidh aithris le inneal gus ìomhaighean de chàileachd ìosal a sheachnadh.Ged a chaidh sealltainn gu bheil dian chomharran a’ toirt buaidh air tomhas paramadairean OCTA, is dòcha nach bi dian chomharran àrd leis fhèin gu leòr gus ìomhaighean le stuthan ìomhaigh2,3,28,29 a thoirmeasg.Mar sin, feumar dòigh nas earbsaiche a leasachadh airson smachd càileachd ìomhaigh.Chun na crìche seo, bidh sinn a’ measadh coileanadh dhòighean ionnsachaidh domhainn fo stiùir an aghaidh neart nan comharran a dh’ innis an inneal.
Tha sinn air grunn mhodalan a leasachadh airson càileachd ìomhaigh a mheasadh oir is dòcha gu bheil riatanasan càileachd ìomhaigh eadar-dhealaichte aig diofar chùisean cleachdaidh OCTA.Mar eisimpleir, bu chòir ìomhaighean a bhith de chàileachd nas àirde.A bharrachd air an sin, tha crìochan sònraichte cainneachdail cudromach cuideachd.Mar eisimpleir, chan eil an raon de shòn avascular foveal an urra ri turbidity a ‘mheadhan neo-mheadhanach, ach a’ toirt buaidh air dùmhlachd nan soithichean.Fhad ‘s a tha an rannsachadh againn a’ leantainn air adhart a ’cuimseachadh air dòigh-obrach coitcheann a thaobh càileachd ìomhaigh, gun a bhith ceangailte ri riatanasan deuchainn sònraichte sam bith, ach an dùil a dhol an àite neart nan comharran a dh’ innis an inneal gu dìreach, tha sinn an dòchas barrachd smachd a thoirt do luchd-cleachdaidh gus am bi iad is urrainn dhaibh am meatrach sònraichte a tha inntinneach don neach-cleachdaidh a thaghadh.tagh modail a fhreagras ris an ìre as àirde de stuthan ìomhaigh a thathar a’ meas iomchaidh.
Airson seallaidhean de chàileachd ìosal agus àrd-inbhe, tha sinn a’ sealltainn coileanadh sàr-mhath de lìonraidhean neural domhainn connspaideach a tha a dhìth ceangail, le AUCn de 0.97 agus 0.99 agus modalan de chàileachd ìosal, fa leth.Bidh sinn cuideachd a’ taisbeanadh coileanadh nas fheàrr ar dòigh ionnsachaidh domhainn an taca ri ìrean chomharran a chaidh aithris le innealan a-mhàin.Tha ceanglaichean sgip a’ leigeil le lìonraidhean neural feartan ionnsachadh aig iomadh ìre de mhion-fhiosrachadh, a’ glacadh taobhan nas fèarr de dh’ ìomhaighean (me iomsgaradh) a bharrachd air feartan coitcheann (me ìomhaigh sa mheadhan30,31).Leis gu bheil e coltach gu bheil stuthan ìomhaigh a bheir buaidh air càileachd ìomhaigh air an comharrachadh thar raon farsaing, faodaidh ailtireachd lìonra neural le ceanglaichean a tha a dhìth coileanadh nas fheàrr a thaisbeanadh na an fheadhainn às aonais gnìomhan dearbhaidh càileachd ìomhaigh.
Nuair a bha sinn a’ dèanamh deuchainn air a’ mhodail againn air ìomhaighean 6\(\×6mm) OCTA, mhothaich sinn lùghdachadh ann an coileanadh seòrsachaidh an dà chuid airson modalan àrd-inbhe agus càileachd ìosal (Fig. 2), an taca ri meud a’ mhodail a fhuair trèanadh airson seòrsachadh.An coimeas ri modail ResNet, tha tuiteam nas motha aig modal AlexNet.Dh’ fhaodadh coileanadh an ìre mhath nas fheàrr de ResNet a bhith mar thoradh air comas nan ceanglaichean fuigheall fiosrachadh a thar-chuir aig ioma-sgèile, a tha a’ fàgail a’ mhodail nas làidire airson a bhith a’ seòrsachadh ìomhaighean a chaidh an glacadh aig diofar ìrean agus/no meudachaidhean.
Faodaidh cuid de dh’ eadar-dhealachaidhean eadar ìomhaighean 8 \(\×\) 8 mm agus ìomhaighean 6 \(\×\) 6 mm leantainn gu droch sheòrsachadh, a’ toirt a-steach cuibhreann coimeasach àrd de dh’ ìomhaighean anns a bheil raointean avascular foveal, atharrachaidhean ann am faicsinneachd, arcannan falamh, agus chan eil nerve optic air an ìomhaigh 6 × 6 mm.A dh’ aindeoin seo, b’ urrainn don mhodal ResNet àrd-inbhe againn AUC de 85% a choileanadh airson ìomhaighean 6 \ (\ x \) 6 mm, rèiteachadh airson nach deach am modail a thrèanadh, a’ moladh gun deach am fiosrachadh càileachd ìomhaigh a chòdachadh anns an lìonra neural. tha freagarrach.airson aon mheud ìomhaigh no rèiteachadh inneal taobh a-muigh an trèanaidh aige (Clàr 2).Gu misneachail, bha mapaichean gnìomhachaidh coltach ri ResNet- agus AlexNet de dhealbhan 8 \ (\ times \) 8 mm agus 6 \ (\ times \) 6 mm comasach air soithichean retinal a shoilleireachadh anns gach cùis, a ’moladh gu bheil fiosrachadh cudromach aig a’ mhodail.iomchaidh airson an dà sheòrsa de dhealbhan OCTA a sheòrsachadh (Fig. 4).
Lauerman et al.Chaidh measadh càileachd ìomhaigh air ìomhaighean OCTA a dhèanamh san aon dòigh a’ cleachdadh an ailtireachd Inception, lìonra neòil connspaideach ceangail sgip6,32 eile a’ cleachdadh dòighean ionnsachaidh domhainn.Bha iad cuideachd a’ cuingealachadh an sgrùdaidh gu ìomhaighean den plexus capillary uachdarach, ach dìreach a’ cleachdadh na h-ìomhaighean 3 × 3 mm nas lugha bho Optovue AngioVue, ged a chaidh euslaintich le diofar ghalaran chorioretinal a thoirt a-steach cuideachd.Bidh ar n-obair a’ togail air na bunaitean aca, a’ toirt a-steach grunn mhodalan gus dèiligeadh ri diofar stairsnich càileachd ìomhaigh agus gus toraidhean airson ìomhaighean de dhiofar mheudan a dhearbhadh.Bidh sinn cuideachd ag aithris air meatrach AUC de mhodalan ionnsachadh innealan agus ag àrdachadh an cruinneas a tha mar-thà drùidhteach (90%)6 airson gach cuid modalan de chàileachd ìosal (96%) agus càileachd àrd (95.7%)6.
Tha grunn chuingealachaidhean aig an trèanadh seo.An toiseach, chaidh na h-ìomhaighean fhaighinn le dìreach aon inneal OCTA, a ’toirt a-steach dìreach ìomhaighean den plexus capillary uachdar aig 8 \ (\ amannan \) 8 mm agus 6 \ (\ amannan \) 6 mm.Is e an adhbhar airson ìomhaighean a thoirmeasg bho shreathan nas doimhne gum faod artifacts ro-mheasadh measadh làimhe air ìomhaighean a dhèanamh nas duilghe agus is dòcha nach eil cho cunbhalach.A bharrachd air an sin, cha deach ìomhaighean fhaighinn ach ann an euslaintich diabetic, dha bheil OCTA a’ nochdadh mar inneal sgrùdaidh agus prognostic cudromach33,34.Ged a b’ urrainn dhuinn ar modail a dhearbhadh air ìomhaighean de dhiofar mheudan gus dèanamh cinnteach gu robh na toraidhean làidir, cha b’ urrainn dhuinn stòran-dàta iomchaidh a chomharrachadh bho dhiofar ionadan, a chuir bacadh air ar measadh air cho coitcheann sa bha am modail.Ged nach deach na h-ìomhaighean fhaighinn ach bho aon ionad, fhuaireadh iad bho euslaintich bho dhiofar chùl-raointean cinneachail is cinnidh, a tha na neart sònraichte den sgrùdadh againn.Le bhith a’ toirt a-steach iomadachd nar pròiseas trèanaidh, tha sinn an dòchas gum bi na toraidhean againn air an cur san fharsaingeachd ann an seagh nas fharsainge, agus gun seachain sinn còdachadh claon-cinnidh anns na modailean a bhios sinn a’ trèanadh.
Tha an sgrùdadh againn a’ sealltainn gum faodar lìonraidhean neural sgith-cheangail a thrèanadh gus àrd-choileanadh a choileanadh ann a bhith a’ dearbhadh càileachd ìomhaigh OCTA.Bidh sinn a’ toirt seachad na modailean sin mar innealan airson tuilleadh rannsachaidh.Leis gum faodadh riatanasan càileachd ìomhaigh eadar-dhealaichte a bhith aig diofar mheatrics, faodar modal smachd càileachd fa leth a leasachadh airson gach meatrach a’ cleachdadh an structair a tha air a stèidheachadh an seo.
Bu chòir do rannsachadh san àm ri teachd a bhith a’ toirt a-steach ìomhaighean de dhiofar mheudan bho dhoimhneachd eadar-dhealaichte agus diofar innealan OCTA gus pròiseas measaidh càileachd ìomhaigh ionnsachaidh domhainn fhaighinn a ghabhas atharrachadh gu àrd-ùrlaran OCTA agus protocolaidhean ìomhaighean.Tha an rannsachadh gnàthach cuideachd stèidhichte air dòighean ionnsachaidh domhainn fo stiùir a dh’ fheumas measadh daonna agus measadh ìomhaigh, a dh’ fhaodadh a bhith dian-obrach agus a’ toirt ùine airson stòran-dàta mòra.Tha e fhathast ri fhaicinn an urrainn do dhòighean ionnsachaidh domhainn gun stiùireadh eadar-dhealachadh iomchaidh a dhèanamh eadar ìomhaighean de chàileachd ìosal agus ìomhaighean àrd-inbhe.
Mar a bhios teicneòlas OCTA a’ leantainn air adhart a’ tighinn air adhart agus astaran sganaidh a’ dol am meud, dh’ fhaodadh an àireamh de stuthan ìomhaigh agus ìomhaighean de dhroch chàileachd a dhol sìos.Faodaidh leasachaidhean anns a’ bhathar-bog, leithid am feart toirt air falbh artifact projection a chaidh a thoirt a-steach o chionn ghoirid, na cuingeadan sin a lughdachadh.Ach, tha mòran dhuilgheadasan ann fhathast leis gu bheil ìomhaighean de dh’ euslaintich le droch shocrachadh no mòr-bhochdainn mheadhanan gu cinnteach a’ leantainn gu artifacts ìomhaigh.Mar a bhios OCTA air a chleachdadh nas fharsainge ann an deuchainnean clionaigeach, tha feum air beachdachadh gu faiceallach gus stiùiridhean soilleir a stèidheachadh airson ìrean iomchaidh de artifact ìomhaigh airson mion-sgrùdadh ìomhaighean.Tha gealladh mòr ann a bhith a’ cleachdadh dhòighean ionnsachaidh domhainn air ìomhaighean OCTA agus tha feum air tuilleadh rannsachaidh san raon seo gus dòigh-obrach làidir a leasachadh a thaobh smachd càileachd ìomhaigh.
Tha an còd a chaidh a chleachdadh san rannsachadh làithreach ri fhaighinn anns an stòr octa-qc, https://github.com/rahuldhodapkar/octa-qc.Gheibhear seataichean dàta a chaidh a chruthachadh agus/no a mhion-sgrùdadh tron ​​​​sgrùdadh làithreach bho na h-ùghdaran fa-leth ma thèid an iarraidh reusanta.
Spaide, RF, Fujimoto, JG & Waheed, NK Stuthan ìomhaigh ann an angiography co-leanailteachd optigeach.Reitine 35, 2163–2180 (2015).
Fenner, BJ et al.Comharrachadh feartan ìomhaigheachd a tha a’ dearbhadh càileachd agus ath-riochdachadh tomhasan dùmhlachd plexus capillary retinal ann an angiography OCT.BR.J. Ophthalmol.102, 509–514 (2018).
Lauerman, JL et al.Buaidh teicneòlas lorg sùla air càileachd ìomhaigh angiography OCT ann an crìonadh macular co-cheangailte ri aois.Bogha uaighe.clionaigeach.Ex.ophthalmology.255, 1535–1542 (2017).
Tha Babyuch AS et al.Thathas a’ cleachdadh tomhasan dùmhlachd perfusion capillary OCTA gus ischemia macular a lorg agus a mheasadh.lannsaireachd offthalmic.Ìomhaigh laser retinal 51, S30-S36 (2020).
Tha e, K., Zhang, X., Ren, S., agus Sun, J. Deep Residual Learning airson Aithneachadh Ìomhaighean.Ann an 2016 aig Co-labhairt IEEE air Lèirsinn Coimpiutaireachd agus Aithneachadh Pàtranan (2016).
Lauerman, JL et al.Measadh càileachd ìomhaigh angiographic OCT fèin-ghluasadach a’ cleachdadh algorithms ionnsachaidh domhainn.Bogha uaighe.clionaigeach.Ex.ophthalmology.257, 1641–1648 (2019).
Lauermann, J. et al.Tha tricead mhearachdan sgaraidh agus artifacts gluasad ann an angiography OCT an urra ri galar an reitine.Bogha uaighe.clionaigeach.Ex.ophthalmology.256, 1807–1816 (2018).
Pask, Adam et al.Pytorch: Leabharlann Ionnsachaidh domhainn riatanach, àrd-choileanadh.Làimhseachadh adhartach air fiosrachadh neural.siostam.32, 8026–8037 (2019).
Deng, J. et al.ImageNet: Stòr-dàta de dhealbhan rangachaidh air sgèile mhòr.Co-labhairt IEEE 2009 air Lèirsinn Coimpiutaireachd agus Aithneachadh Pàtranan.248–255.(2009).
Seòrsachadh Krizhevsky A., Sutzkever I. agus Hinton GE Imagenet a’ cleachdadh lìonraidhean neural convolutional domhainn.Làimhseachadh adhartach air fiosrachadh neural.siostam.25, 1 (2012).