Nature.com-a gireniňiz üçin sag boluň.Çäkli CSS goldawy bilen brauzer wersiýasyny ulanýarsyňyz.Iň oňat tejribe üçin täzelenen brauzeri ulanmagy maslahat berýäris (ýa-da Internet Explorer-de Gabat geliş tertibini öçüriň).Mundan başga-da, dowamly goldawy üpjün etmek üçin sahypany stil we JavaScript bolmazdan görkezýäris.
Slaýdda üç makalany görkezýän slaýderler.Slaýdlardan geçmek üçin yzky we indiki düwmeleri ýa-da her slaýddan geçmek üçin ahyrynda slaýd gözegçilik düwmelerini ulanyň.
Optiki utgaşyklyk tomografiki angiografiýa (OCTA), retinal damarlary invaziv däl şekillendirmek üçin täze usul.OCTA-nyň geljegi uly kliniki goşundylary bar bolsa-da, şekiliň hilini kesgitlemek kyn mesele bolup galýar.134 hassanyň 347 skanerinden ýüzleý kapilýar pleksus şekillerini klassifikasiýa etmek üçin ImageNet bilen taýýarlanan ResNet152 nerw ulgamy klassifikatoryny ulanyp, çuňňur öwreniş ulgamyny döretdik.Suratlar, şeýle hem, gözegçilik edilýän okuw modeli üçin iki sany garaşsyz baha beriji tarapyndan hakyky hakykat hökmünde el bilen baha berildi.Suratyň hiliniň talaplary kliniki ýa-da gözleg sazlamalaryna baglylykda üýtgäp biljekdigi sebäpli, iki model öwredildi, biri ýokary hilli surat tanamak, beýlekisi pes hilli surat tanamak üçin.Nerw ulgam modelimiz, egriniň (AUC), 95% CI 0.96-0.99, \ (\ kappa \) = 0.81) aşagyndaky ajaýyp meýdany görkezýär, bu enjam tarapyndan habar berlen signal derejesinden ep-esli gowudyr (AUC = 0.82, 95) % CI).0.77–0.86, \ (\ kappa \) = 0.52 we AUC = 0.78, 95% CI 0.73–0.83, \ (\ kappa \) = 0,27).Biziň gözlegimiz, OCTA şekilleri üçin çeýe we ygtybarly hil gözegçilik usullaryny ösdürmek üçin maşyn öwrenmek usullarynyň ulanylyp bilinjekdigini görkezýär.
Optiki utgaşyklyk tomografiki angiografiýa (OCTA), retinal mikrowaskulýurany invaziv däl wizuallaşdyrmak üçin ulanyp boljak optiki utgaşyk tomografiýa (OCT) esasly birneme täze usul.OCTA şöhlelenme nagyşlarynyň retinanyň şol bir meýdanyndaky gaýtalanýan ýagtylyk impulslaryndan tapawudyny ölçär we boýaglary ýa-da beýleki kontrast serişdeleri ulanmazdan gan damarlaryny ýüze çykarmak üçin rekonstruksiýa hasaplanyp bilner.OCTA, şeýle hem, kliniki lukmanlara ýüzleý we çuň gämi gatlaklaryny aýratyn gözden geçirmäge mümkinçilik berýän, damar şekillendirişini çuňlaşdyrmaga mümkinçilik berýär, xorioretinal keseli tapawutlandyrmaga kömek edýär.
Bu usul geljegi uly bolsa-da, şekiliň hiliniň üýtgemegi, ygtybarly surat derňewi üçin esasy kynçylyk bolup galýar, şekili düşündirmegi kynlaşdyrýar we giňden kliniki kabul edilmeginiň öňüni alýar.OCTA yzygiderli birnäçe OCT skanerini ulanýandygy sebäpli, adaty OCT-den has köp surat eserlerine has duýgur.Söwda OCTA platformalarynyň köpüsi, “Signal Strength” (SS) ýa-da “Signal Strength Index” (SSI) atly öz şekil hil ölçegini üpjün edýär.Şeýle-de bolsa, ýokary SS ýa-da SSI bahasy bolan şekiller, soňraky islendik surat derňewine täsir edip biljek we nädogry kliniki kararlara sebäp bolup biljek şekil artefaktlarynyň ýoklugyny kepillendirmeýär.OCTA şekillendirişinde ýüze çykyp bilýän umumy şekil artefaktlaryna hereket artefaktlary, segmentasiýa artefaktlary, metbugat aç-açan artefaktlary we proýeksiýa artefaktlary1,2,3 degişlidir.
Damar dykyzlygy ýaly OCTA-dan alnan çäreler terjime gözleglerinde, kliniki synaglarda we kliniki tejribede has köp ulanylýandygy sebäpli, şekil artefaktlaryny ýok etmek üçin ygtybarly we ygtybarly şekil hiline gözegçilik proseslerini ösdürmek zerur.Geçiş birikmeleri, galyndy birikmeler diýlip hem atlandyrylýar, nerw ulgamynyň arhitekturasyndaky maglumatlar, dürli terezide ýa-da kararlarda maglumat saklanylanda, konwolýasiýa gatlaklaryndan aýlanmaga mümkinçilik berýär5.Şekil artefaktlary kiçi göwrümli we umumy uly göwrümli şekil öndürijiligine täsir edip bilýändigi sebäpli, bu baglanyşyk gözegçilik nerw ulgamlary bu hili gözegçilik meselesini awtomatlaşdyrmak üçin gaty laýykdyr5.Recentlyakynda neşir edilen iş, adam baha berijilerinden ýokary hilli maglumatlary ulanmak bilen taýýarlanan çuňňur konwolýasiýa nerw ulgamlary üçin käbir wadalary görkezdi6.
Bu gözlegimizde, OCTA şekilleriniň hilini awtomatiki kesgitlemek üçin baglanyşykdan geçýän konwolýasiýa nerw ulgamyny öwredýäris.Öňki işleriň üstünde ýokary hilli şekilleri we pes hilli şekilleri kesgitlemek üçin aýratyn modelleri işläp düzýäris, sebäbi şekiliň hil talaplary belli bir kliniki ýa-da gözleg ssenarilerinde tapawutlanyp biler.Bu torlaryň netijelerini çuňňur öwrenmegiň çäginde granulanyň köp derejesinde aýratynlyklary goşmagyň ähmiýetine baha bermek üçin baglanyşyklary ýitirmän konwolýusiýa nerw ulgamlary bilen deňeşdirýäris.Soňra öndürijiler tarapyndan berilýän şekil hiliniň umumy ölçegi bolan signal güýjüni netijelerimizi deňeşdirdik.
Biziň gözlegimizde, 2017-nji ýylyň 11-nji awgustyndan 2019-njy ýylyň 11-nji apreline çenli aralykda aleale göz merkezine gatnaşan süýji keseli bolan hassalar bar.Ageaşyna, jynsyna, jynsyna, şekiliniň hiline ýa-da başga bir faktorlara esaslanmak ýa-da çykarmak kriteriýalary ýokdy.
OCTA şekilleri, AngrusPlex platformasy arkaly Cirrus HD-OCT 5000 (Karl Zeiss Meditec Inc, Dublin, CA) 8 \ (\ times \) 8 mm we 6 \ (\ times \) 6 mm şekil protokollarynda ulanyldy.Okuwa gatnaşmak üçin habarly razylyk her bir gatnaşyjydan alyndy we aleale uniwersitetiniň institusional syn geňeşi (IRB) bu hassalaryň hemmesi üçin global surata düşmek bilen habarly razyçylygyň ulanylmagyny tassyklady.Helsinki Jarnamasynyň ýörelgelerine eýermek.Bu okuw aleale uniwersiteti IRB tarapyndan tassyklandy.
Faceerüsti plastinka şekilleri, öň beýan edilen “Motion Artifact Score” (MAS), öň beýan edilen “Segmentation Artifact Score” (SAS), gözenek merkezi, metbugat açyklygynyň bolmagy we şekil baha berijisi tarapyndan kesgitlenýän kiçi kapilýilleriň gowy şekillendirilmegi esasynda baha berildi.Suratlar iki sany garaşsyz baha beriji (RD we JW) tarapyndan derňeldi.Aşakdaky kriteriýalaryň hemmesi ýerine ýetirilse, şekil 2 (laýyk) bal alýar: surat ojakda ýerleşýär (suratyň merkezinden 100 pikselden az), MAS 1 ýa-da 2, SAS 1 we köpçülikleýin habar beriş serişdeleriniň açyklygy 1-den pesdir. 16/16 ululykdaky suratlarda görkezilýär we kiçi kapilýiller 15/16-dan uly suratlarda görünýär.Aşakdaky kriteriýalaryň haýsydyr birine laýyk gelse, surat 0 (reýting ýok) bahalandyrylýar: surat merkezden daşda, MAS 4 bolsa, SAS 2 bolsa ýa-da ortaça açyklyk suratyň 1/4 böleginden ýokary bolsa we tapawutlandyrmak üçin kiçi kapilýilleri 1 surat / 4-den köp düzedip bolmaýar.0 ýa-da 2 bal ölçeglerine laýyk gelmeýän beýleki suratlaryň hemmesi 1 (kesmek) hökmünde görkezilýär.
Injirde.1 ulaldylan bahalandyrmalaryň we şekil artefaktlarynyň her biri üçin nusga şekilleri görkezýär.Aýry-aýry ballaryň raterara ygtybarlylygy Koheniň kappa agramy bilen bahalandy8.Her bir baha berijiniň aýratyn ballary, her surat üçin 0-dan 4-e çenli umumy bal almak üçin jemlenýär, jemi 4 bal bilen suratlar gowy hasaplanýar.Jemi 0 ýa-da 1 bal bolan suratlar pes hilli hasaplanýar.
ImageNet maglumatlar bazasyndaky şekiller boýunça öňünden taýýarlanan ResNet152 arhitektura konwolýusiýa nerw ulgamy (3A.i surat) fast.ai we PyTorch çarçuwasy5, 9, 10, 11 ulanylyp döredildi. giňişlik we ýerli aýratynlyklary öwrenmek üçin şekil böleklerini skanirlemek üçin süzgüçler.Öwredilen ResNet, 152 gatly nerw ulgamy bolup, boşluklar ýa-da şol bir wagtyň özünde birnäçe karar bilen maglumat iberýän “galyndy birikmeler” bilen häsiýetlendirilýär.Tor arkaly dürli kararlarda maglumat proýektirlemek bilen, platforma dürli derejeli jikme-jikliklerde pes hilli şekilleriň aýratynlyklaryny öwrenip biler.ResNet modelimize goşmaça, deňeşdirmek üçin baglanyşyk ýitirmän, gowy öwrenilen nerw ulgamynyň arhitekturasy bolan AlexNet-i taýýarladyk (3A.ii surat) 12.Baglanyşyklary ýitirmezden, bu ulgam has ýokary granuliki aýratynlyklary ele alyp bilmez.
Asyl 8 \ (\ gezek \) 8mm OCTA13 şekil toplumy keseligine we dikligine şöhlelendiriş usullaryny ulanyp güýçlendirildi.Soňra doly maglumat toplumy şekil derejesinde tötänleýin tälim (51.2%), synag (12,8%), giperparametri sazlamak (16%) we skikit-öwreniş gural gutusy python14 ulanyp tassyklama (20%) maglumat bazalaryna bölündi.Iki hadysa seredildi, biri diňe ýokary hilli şekilleri (umumy bal 4), beýlekisi diňe iň pes hilli suratlary tapmaga esaslanýar (umumy bal 0 ýa-da 1).Her bir ýokary hilli we pes hilli ulanylyş üçin nerw ulgamy şekil maglumatlarymyzda bir gezek täzeden taýýarlanýar.Her gezek ulanylanda, nerw ulgamy 10 döwür üçin taýýarlandy, iň ýokary gatlakdan başga ähli doňduryldy we içerki parametrleriň agramlary 40 döwür üçin entropiýa ýitgisi funksiýasy bilen diskriminasiýa okuw usuly usuly bilen öwrenildi 15, 16..Haç entropiýasyny ýitirmek funksiýasy, çak edilýän tor bellikleri bilen hakyky maglumatlaryň arasyndaky tapawudyň logarifmiki şkalasydyr.Okuw wagtynda ýitgileri azaltmak üçin nerw ulgamynyň içki parametrlerinde gradient aşak düşme amala aşyrylýar.Okuw tizligi, düşmegiň tizligi we agramy peseltmek giperparametrleri 2 tötänleýin başlangyç nokady we 10 gezek gaýtalamak bilen Baýziýanyň optimizasiýasy arkaly düzüldi we maglumatlar bazasyndaky AUC 17-nji maksat hökmünde giperparametrleri ulanyp düzüldi.
Superüzleý kapilýar pleksuslaryň 8 × 8 mm OCTA şekilleriniň 2 (A, B), 1 (C, D) we 0 (E, F) ballary.Görkezilen şekil artefaktlarynda ýalpyldawuk çyzyklar (oklar), segmentasiýa artefaktlary (ýyldyzjyklar) we media açyklygy (oklar) bar.Surat (E) merkezden daşarda.
Soňra kabul edijiniň işleýiş aýratynlyklary (ROC) egrileri ähli nerw ulgamynyň modelleri üçin döredilýär we her pes hilli we ýokary hilli ulanylyş üçin hereketlendirijiniň signal güýji hasabatlary döredilýär.Egriniň aşagyndaky meýdan (AUC) pROC R paketiniň kömegi bilen hasaplandy we 95% ynam aralyklary we p-bahalary DeLong usuly bilen hasaplandy18,19.Adam baha berijileriniň jemlenen ballary, ähli ROK hasaplamalary üçin esasy hökmünde ulanylýar.Enjam tarapyndan habar berlen signal güýji üçin AUC iki gezek hasaplandy: bir gezek ýokary hilli Scalability Score kesilmegi üçin we bir gezek pes hilli Scalability Score kesilmegi üçin.Nerw ulgamy, öz okuw we baha beriş şertlerini görkezýän AUC signal güýji bilen deňeşdirilýär.
Öwredilen çuňňur öwreniş modelini aýratyn maglumatlar binýadynda barlamak üçin, aleale uniwersitetinden ýygnan 32 doly ýüz 6 \ (\ times \) 6mm ýerüsti plita şekilleriniň öndürijiligini bahalandyrmak üçin ýokary hilli we pes hilli modeller gönüden-göni ulanyldy.Göz massasy 8 \ (\ gezek \) 8 mm şekil bilen bir wagtda merkezleşdirilýär.6 \ (\ × \) 6 mm şekiller şol bir bahalandyryjylar (RD we JW) 8 \ (\ × \) 8 mm şekiller bilen deň derejede elde baha berildi, AUC hasaplandy, takyklygy we Koheniň kappasy .deň derejede.
Synp deňsizligi gatnaşygy pes hilli model üçin 158: 189 (\ (\ rho = 1.19 \)) we ýokary hilli model üçin 80: 267 (\ (\ rho = 3.3 \)).Synp deňsizliginiň gatnaşygy 1: 4-den pes bolany üçin, synp deňsizligini düzetmek üçin ýörite binagärlik üýtgeşmeleri girizilmedi 20,21.
Okuw prosesini has gowy göz öňüne getirmek üçin, ýokary hilli ResNet152 modeli, pes hilli ResNet152 modeli, ýokary hilli AlexNet modeli we pes hilli AlexNet modeli üçin dört işjeňleşdirilen çuňňur öwreniş modeli üçin synp işjeňleşdirme kartalary döredildi.Synp işjeňleşdirme kartalary bu dört modeliň giriş konwolýasiýa gatlaklaryndan döredilýär we ýylylyk kartalary işjeňleşdirme kartalaryny 8 × 8 mm we 6 × 6 mm tassyklama toplumlaryndan çeşme şekilleri bilen örtmek arkaly döredilýär22, 23.
R wersiýa 4.0.3 ähli statistiki hasaplamalar üçin ulanyldy we ggplot2 grafiki gurallar kitaphanasynyň kömegi bilen wizualizasiýa döredildi.
134 adamdan 8 \ (\ gezek \) 8 mm ölçegdäki ýüzleý kapilýar pleksusyň 347 sany öňdäki suratlaryny ýygnadyk.Enjam ähli suratlar üçin 0-dan 10-a çenli şkalada signal güýjüni habar berdi (ortaça = 6.99 ± 2.29).Alnan 347 suratdan ortaça 58,7 ± 14,6 ýaş, 39,2% erkek näsaglardan.Imageshli suratlardan 30,8% kawkazlylardan, 32,6% garaýagyzlardan, 30,8% ispanlardan, 4% aziýalylardan we 1,7% beýleki ýaryşlardan (1-nji tablisa).).OCTA hassalarynyň ýaş paýlanyşy şekiliň hiline baglylykda ep-esli tapawutlanýar (p <0,001).18-45 ýaş aralygyndaky ýaş hassalarda ýokary hilli şekilleriň göterimi pes hilli suratlaryň 12.2% -i bilen deňeşdirilende 33,8% boldy (1-nji tablisa).Süýji keseliniň retinopatiýa ýagdaýynyň paýlanyşy hem şekiliň hilinde ep-esli üýtgeýärdi (p <0.017).Highhli ýokary hilli şekilleriň arasynda PDR bilen kesellänleriň sany, pes hilli suratlaryň 38,8% -i bilen deňeşdirilende 18,8% boldy (1-nji tablisa).
Imageshli suratlaryň aýratyn bahalandyrylmagy, suratlary okaýan adamlaryň arasynda (Koheniň agramly kappa = 0.79, 95% CI: 0.76-0.82) ortaça we güýçli bahalandyrma ygtybarlylygyny görkezdi we baha berijileriň 1-den köp tapawutlanýan surat nokatlary ýokdy (Surat). 2A)..Signalyň intensiwligi el bilen gol salmak bilen ep-esli arabaglanyşykda (Pearson önüm pursatynyň korrelýasiýasy = 0.58, 95% CI 0.51–0.65, p <0,001), ýöne köp suratlar signalyň ýokary intensiwligi, ýöne el bilen pes gol bilen kesgitlenildi (2-nji surat).
ResNet152 we AlexNet arhitekturasynyň tälim wagtynda, tassyklamak we tälim bermek boýunça kross-entropiýa ýitgisi 50 döwürden geçýär (3B, C surat).Soňky okuw döwründe tassyklamagyň takyklygy ýokary hilli we pes hilli ulanylyş ýagdaýlary üçin 90% -den ýokary.
Alyjynyň öndürijilik egrileri ResNet152 modeliniň pes we ýokary hilli ulanylyş ýagdaýynda enjam tarapyndan habar berlen signal güýjünden ep-esli ýokarydygyny görkezýär (p <0,001).ResNet152 modeli hem AlexNet arhitekturasyndan ep-esli ýokarydyr (degişlilikde pes hilli we ýokary hilli ýagdaýlar üçin p = 0.005 we p = 0.014).Bu meseleleriň her biri üçin emele gelen modeller, degişlilikde 0.99 we 0.97 AUC bahalaryna ýetmegi başardy, bu bolsa maşyn signalynyň güýç görkezijisi üçin 0.82 we 0.78 degişli AUC bahalaryndan ep-esli gowudyr ýa-da AlexNet üçin 0.97 we 0.94 ..(3-nji surat)ResNet bilen AUC-yň signal güýjündäki tapawudy, ýokary hilli şekilleri tananyňyzda has ýokary bolýar, bu mesele üçin ResNet-den peýdalanmagyň goşmaça peýdalaryny görkezýär.
Grafalarda her bir garaşsyz rateriň enjam tarapyndan habar berlen signal güýji bilen deňeşdirip bilmek ukyby görkezilýär.(A) Baha berilmeli ballaryň jemi, baha berilmeli ballaryň umumy sanyny döretmek üçin ulanylýar.Umumy ulaldylyş baly 4 bolan suratlara ýokary hilli berilýär, umumy göwrümli bal 1 ýa-da ondan pes bolan suratlara pes hilli berilýär.(B) Signalyň intensiwligi el bilen edilýän bahalandyrmalar bilen baglanyşdyrylýar, ýöne ýokary signal intensiwligi bolan şekilleriň hili pes bolup biler.Gyzyl punktir çyzyk, signalyň berkligine (signalyň güýji \ (\ ge \) 6) öndürijiniň maslahat berýän hil çägini görkezýär.
ResNet geçiriş okuwy, maşyn tarapyndan habar berilýän signal derejeleri bilen deňeşdirilende pes hilli we ýokary hilli ulanylyş ýagdaýlary üçin şekiliň hilini kesgitlemekde ep-esli gowulaşma üpjün edýär.(A) Öň taýýarlanan (i) ResNet152 we (ii) AlexNet arhitekturasynyň ýönekeý arhitektura diagrammalary.(B) ResNet152 üçin okuw taryhy we kabul edijiniň öndürijilik egrileri, habar berlen signal güýji we AlexNet pes hil ölçegleri bilen deňeşdirilende.(C) ResNet152 kabul edijiniň okuw taryhy we öndürijilik egrileri, habar berlen signal güýji we AlexNet ýokary hilli ölçegleri bilen deňeşdirilende.
Karar araçägini sazlandan soň, ResNet152 modeliniň çaklamagyň takyklygy pes hilli ýagdaý üçin 95,3%, ýokary hilli ýagdaý üçin 93.5% (2-nji tablisa).“AlexNet” modeliniň çaklamanyň iň ýokary takyklygy pes hilli ýagdaý üçin 91.0%, ýokary hilli ýagdaý üçin 90.1% (2-nji tablisa).Signalyň berkligini çaklamagyň iň ýokary takyklygy pes hilli ulanylyş üçin 76,1%, ýokary hilli ulanylyş üçin 77,8%.Koheniň kappasyna (\ (\ kappa \)) görä, ResNet152 modeli bilen baha berijileriň arasyndaky şertnama pes hilli iş üçin 0.90, ýokary hilli iş üçin 0.81.Koheniň “AlexNet kappa” degişlilikde pes hilli we ýokary hilli ulanylyş ýagdaýlary üçin 0.82 we 0.71.Koheniň signal güýji kappa pes we ýokary hilli ulanylyş ýagdaýlary üçin degişlilikde 0,52 we 0,27.
6 mm tekiz plastinkanyň 6 \ (\ x \) şekillerinde ýokary we pes hilli tanamak modelleriniň barlanylmagy, taýýarlanan modeliň dürli şekillendiriş parametrleri boýunça şekiliň hilini kesgitlemek ukybyny görkezýär.Suratyň hili üçin 6 \ (\ x \) 6 mm ýalpak plitalar ulanylanda, pes hilli modelde AUC 0.83 (95% CI: 0.69–0.98), ýokary hilli modelde AUC 0.85 bardy.(95% CI: 0.55–1.00) (2-nji tablisa).
Giriş gatlagynyň synp işjeňleşdirme kartalarynyň wizual gözden geçirilmegi, ähli tälim berlen nerw ulgamlarynyň şekil klassifikasiýasy wagtynda şekil aýratynlyklaryny ulanandygyny görkezdi (4A, B).8 \ (\ gezek \) 8 mm we 6 \ (\ times \) 6 mm suratlar üçin ResNet işjeňleşdirme şekilleri retinal damar damarlaryny ýakyndan yzarlaýar.“AlexNet” işjeňleşdirme kartalary retinal damarlary hem yzarlaýar, ýöne birmeňzeş çözgüdi bilen.
ResNet152 we AlexNet modelleri üçin synp işjeňleşdirme kartalarynda şekiliň hili bilen baglanyşykly aýratynlyklar görkezilýär.(A) 8 \ (\ gezek \) 8 mm tassyklama şekillerinde we (B) derejesinde 6 \ (\ gezek \) 6 mm tassyklama suratlarynda ýüzleý retinal damar damarlaryndan soň yzygiderli işjeňleşmegi görkezýän synp işjeňleşdirme kartasy.Pes hilli ölçegler boýunça taýýarlanan LQ modeli, ýokary hilli ölçegler boýunça taýýarlanan HQ modeli.
Suratyň hiliniň OCTA şekilleriniň islendik mukdaryna uly täsir edip biljekdigi öňem görkezilipdi.Mundan başga-da, retinopatiýanyň bolmagy şekil artefaktlarynyň ýüze çykmagyny ýokarlandyrýar7,26.Aslynda, öňki gözleglere laýyk gelýän maglumatlarymyzda, retinal keseliň ýaşynyň we agyrlygynyň we şekiliň hiliniň ýaramazlaşmagynyň arasynda möhüm birleşigi tapdyk (degişlilikde ýaş we DR ýagdaýy üçin p <0,001, p = 0.017; 1-nji tablisa) 27 Şonuň üçin OCTA şekilleriniň mukdar taýdan derňewini geçirmezden ozal şekiliň hiline baha bermek möhümdir.OCTA şekillerini seljerýän gözlegleriň köpüsi, pes hilli şekilleri aradan aýyrmak üçin maşyn tarapyndan habar berlen signal intensiwlik çäklerini ulanýar.Signalyň intensiwligi OCTA parametrleriniň mukdaryna täsir edýändigi görkezilse-de, şekil artefaktlary bilen şekilleri ýok etmek üçin diňe ýokary signalyň intensiwligi ýeterlik däl bolup biler2,3,28,29.Şonuň üçin şekiliň hiline gözegçilik etmegiň has ygtybarly usulyny ösdürmeli.Bu maksat bilen, enjam tarapyndan habar berilýän signal güýjüne garşy gözegçilik edilýän çuňňur öwreniş usullarynyň işine baha berýäris.
Suratyň hiline baha bermek üçin birnäçe modeli taýýarladyk, sebäbi dürli OCTA ulanylyş ýagdaýlarynda şekiliň hiliniň dürli talaplary bolup biler.Mysal üçin, suratlar has ýokary hilli bolmaly.Mundan başga-da, gyzyklanmanyň belli mukdar parametrleri hem möhümdir.Mysal üçin, damar damar zonasynyň meýdany merkezi däl gurşawyň bulaşyklygyna bagly däl, gämileriň dykyzlygyna täsir edýär.Gözleglerimiz, haýsydyr bir synagyň talaplaryna bagly bolman, enjamyň habar beren signal güýjüni gönüden-göni çalyşmagy maksat edinýän şekiliň hiline umumy çemeleşmä ünsi jemlese-de, ulanyjylara has ýokary gözegçilik ederis diýip umyt edýäris. ulanyjy üçin aýratyn gyzyklanma ölçegini saýlap biler.makul bilinýän şekil artefaktlarynyň iň ýokary derejesine laýyk gelýän modeli saýlaň.
Pes hilli we ýokary hilli sahnalar üçin, degişlilikde 0.97 we 0.99 AUC we pes hilli modeller bilen baglanyşykda ýiten çuň konwolýasiýa nerw ulgamlarynyň ajaýyp öndürijiligini görkezýäris.Diňe maşynlar tarapyndan habar berilýän signal derejeleri bilen deňeşdirilende, çuňňur öwreniş çemeleşmämiziň has ýokary öndürijiligini görkezýäris.Baglanyşykdan geçmek, nerw ulgamlaryna jikme-jiklikleriň köp derejesinde aýratynlyklary öwrenmäge mümkinçilik berýär, şekilleriň has inçe taraplaryny (mysal üçin kontrast) we umumy aýratynlyklary (mysal üçin, surat merkezi 30,31) ele alýar.Suratyň hiline täsir edýän şekil artefaktlary, belki-de, giň gerimde has gowy kesgitlenýänligi sebäpli, baglanyşygy ýok bolan nerw ulgamynyň arhitekturasy şekiliň hilini kesgitlemek meselesi bolmadyklara garanyňda has gowy öndürijilik görkezip biler.
6 \ (\ × 6mm) OCTA şekillerinde modelimizi barlanda, klassifikasiýa üçin taýýarlanan modeliň ölçeginden tapawutlylykda ýokary hilli we pes hilli modeller üçin klassifikasiýa öndürijiliginiň peselendigini gördük (2-nji surat).ResNet modeli bilen deňeşdirilende, AlexNet modeliniň has uly ýalňyşlygy bar.ResNet-iň has oňat öndürijiligi, galyndy birikmeleriň birnäçe terezide maglumat geçirmek ukybyna bagly bolup biler, bu bolsa dürli terezide we / ýa-da ulaldylan suratlary klassifikasiýa etmek üçin modeli has ygtybarly edýär.
8 \ (\ × \) 8 mm şekil bilen 6 \ (\ × \) 6 mm şekilleriň arasyndaky käbir tapawutlar, pes damar meýdanlaryny öz içine alýan şekilleriň ep-esli bölegini, görnükliligiň üýtgemegini, damar arkalaryny we 6 × 6 mm şekilde optiki nerw ýok.Muňa garamazdan, ýokary hilli ResNet modelimiz, 6 \ (\ x \) 6 mm suratlar üçin 85% AUC-a ýetmegi başardy, bu model tälim berilmedik konfigurasiýa, nerw ulgamynda kodlanan şekiliň hili baradaky maglumatlary görkezýär. laýyk gelýär.okuwyň daşynda bir surat ululygy ýa-da maşyn konfigurasiýasy üçin (2-nji tablisa).ResNet- we AlexNet ýaly 8 \ (\ times \) 8 mm we 6 \ (\ times \) 6 mm şekillendiriş kartalary, iki ýagdaýda-da retinal damarlary görkezip, modeliň möhüm maglumatlarynyň bardygyny görkezýär.OCTA şekilleriniň iki görnüşini hem klassifikasiýa etmek üçin ulanylýar (4-nji surat).
Lauerman we başgalar.OCTA şekillerindäki şekiliň hiline baha bermek, çuňňur öwreniş usullaryny ulanyp, başga bir böküş-birikme konwolýasiýa nerw ulgamy6,32 bolan Inception arhitekturasy arkaly geçirildi.Şeýle hem, gözlegleri ýüzleý kapilýar pleksusyň şekilleri bilen çäklendirdiler, ýöne diňe “Optovue AngioVue” -den has kiçi 3 × 3 mm şekilleri ulanyp, dürli xorioretinal keselleri bolan näsaglar hem bar.Biziň işimiz, dürli şekilleriň hil çäklerini çözmek we dürli ululykdaky suratlar üçin netijeleri barlamak üçin birnäçe modeli goşmak bilen olaryň esaslaryna esaslanýar.Şeýle hem, maşyn öwrenmek modelleriniň AUC ölçeglerini habar berýäris we pes hilli (96%) we ýokary hilli (95,7%) modeller üçin eýýäm täsirli takyklygyny (90%) 6 ýokarlandyrýarys6.
Bu okuwyň birnäçe çäklendirmeleri bar.Ilki bilen, suratlar diňe bir OCTA enjamy bilen alyndy, diňe 8 \ (\ times \) 8 mm we 6 \ (\ times \) 6 mm-de ýüzleý kapilýar pleksusyň şekilleri.Suratlary has çuňňur gatlaklardan aýyrmagyň sebäbi, proýeksiýa artefaktlarynyň şekillere el bilen baha bermegini has kyn we mümkin az yzygiderli edip biler.Mundan başga-da, OCTA möhüm anyklaýyş we prognoz guraly hökmünde ýüze çykýan diabetli näsaglarda suratlar diňe gazanyldy33,34.Netijeleriň ygtybarlydygyna göz ýetirmek üçin modelimizi dürli ululykdaky şekillerde synap görenimizde-de, modeliň umumylaşdyrylmagyna baha bermegimizi çäklendirýän dürli merkezlerden laýyk maglumat bazalaryny kesgitläp bilmedik.Suratlar diňe bir merkezden alnan hem bolsa, dürli etnik we jyns taýdan bolan näsaglardan alyndy, bu biziň gözlegimiziň ajaýyp güýji.Okuw prosesimize dürlüligi goşmak bilen, netijelerimiziň has giň manyda umumylaşdyryljakdygyna we tälim berýän modellerimizde jynsparazlygyň kodlanmagynyň öňüni alarys diýip umyt edýäris.
Biziň gözlegimiz, OCTA şekiliniň hilini kesgitlemekde ýokary öndürijilige ýetmek üçin baglanyşykdan geçýän nerw ulgamlarynyň tälim alyp biljekdigini görkezýär.Bu modelleri has giňişleýin gözleg üçin gural hökmünde hödürleýäris.Dürli ölçeglerde şekiliň hiliniň dürli talaplary bolup biljekdigi sebäpli, bu ýerde döredilen gurluşy ulanyp, her bir ölçeg üçin aýratyn hil gözegçilik modeli döredilip bilner.
Geljekki gözlegler, OCTA platformalarynda we şekillendiriş protokollarynda umumylaşdyrylyp bilinjek çuňňur öwreniş şekiliniň hiline baha bermek prosesini almak üçin dürli çuňlukdan dürli ululykdaky şekilleri we dürli OCTA maşynlaryny öz içine almalydyr.Häzirki gözlegler, şeýle hem, köp bahaly we uly maglumat bazalary üçin köp wagt talap edip biljek adam bahalandyrmagyny we şekil bahalandyrmagyny talap edýän gözegçilik edilýän çuňňur öwreniş çemeleşmelerine esaslanýar.Gözegçilik edilmedik çuňňur öwreniş usullarynyň pes hilli şekiller bilen ýokary hilli şekilleri ýeterlik derejede tapawutlandyryp biljekdigini görmek galýar.
OCTA tehnologiýasy ösmegini we skanerleýiş tizliginiň artmagy bilen, şekil artefaktlarynyň we pes hilli şekilleriň azalmagy mümkin.Programma üpjünçiligindäki gowulaşmalar, ýaňy-ýakynda girizilen proýeksiýa artefaktlaryny aýyrmak aýratynlygy ýaly bu çäklendirmeleri hem ýeňilleşdirip biler.Şeýle-de bolsa, näsazlyklar ýa-da köpçülikleýin habar beriş serişdeleriniň bulaşyklygy bolan näsaglaryň şekillendirilmegi elmydama şekil artefaktlaryna sebäp bolýar.OCTA kliniki synaglarda has giňden ulanylýandygy sebäpli, surat derňewi üçin kabul ederlikli surat artifakt derejeleri üçin anyk görkezmeleri kesgitlemek üçin seresaplylyk gerek.OCTA şekillerine çuňňur öwreniş usullarynyň ulanylmagy uly wada berýär we şekiliň hiline gözegçilik etmek üçin ygtybarly çemeleşmäni ösdürmek üçin bu ugurda has köp gözleg gerek.
Häzirki gözlegde ulanylýan kod, okta-qc ammarynda, https://github.com/rahuldhodapkar/octa-qc.Häzirki gözleg wagtynda döredilen we / ýa-da derňelýän maglumatlar bazalary degişli haýyş bilen degişli awtorlardan elýeterlidir.
Spaide, RF, Fujimoto, JG & Waheed, NK Optiki sazlaşykly angiografiýada şekil artefaktlary.Retina 35, 2163–2180 (2015).
Fenner, BJ we ş.m.OCT angiografiýasynda retinal kapilýar pleksus dykyzlygynyň ölçegleriniň hilini we köpelişini kesgitleýän şekillendiriş aýratynlyklaryny kesgitlemek.BR.J. Oftalmol.102, 509-514 (2018).
Lauerman, JL we ş.m.Göz yzarlaýyş tehnologiýasynyň ýaş bilen baglanyşykly makula degenerasiýasynda OCT angiografiýasynyň şekil hiline täsiri.Mazar arkasykliniki.Exp.oftalmologiýa.255, 1535–1542 (2017).
Babyuch AS we ş.m.OCTA kapilýar perfuziýa dykyzlygynyň ölçegleri makula işemiýany ýüze çykarmak we baha bermek üçin ulanylýar.oftalmiki operasiýa.Retina lazer şekillendiriş 51, S30 - S36 (2020).
Ol, K., Zhangang, X., Ren, S. we Gün, J. Suraty tanamak üçin çuňňur galyndy öwrenmek.2016-njy ýylda IEEE-de kompýuter görmek we nagşy tanamak konferensiýasynda (2016).
Lauerman, JL we ş.m.Çuňňur öwreniş algoritmlerini ulanyp, awtomatiki OCT angiografiki şekiliň hiline baha bermek.Mazar arkasykliniki.Exp.oftalmologiýa.257, 1641–1648 (2019).
Lauermann, J. we ş.m.OCT angiografiýasynda segmentasiýa ýalňyşlyklarynyň we hereket artefaktlarynyň ýaýramagy retinanyň keseline baglydyr.Mazar arkasykliniki.Exp.oftalmologiýa.256, 1807–1816 (2018).
Pask, Adam we başgalar.Pytorch: Imperator, ýokary öndürijilikli çuňňur öwreniş kitaphanasy.Nerw maglumatlaryny kämil işlemek.ulgamy.32, 8026–8037 (2019).
Deng, J. we ş.m.ImageNet: Uly göwrümli iýerarhiki şekil maglumatlar bazasy.2009 IEEE Kompýuter görmek we nagşy tanamak boýunça konferensiýa.248-255.(2009).
Krişewskiý A., Sutzkever I. we Hinton GE Çuň konwolýusiýa nerw ulgamlaryny ulanyp Imagenet klassifikasiýasy.Nerw maglumatlaryny kämil işlemek.ulgamy.25, 1 (2012).