作者:
弗里茨·杰拉尔德·卡劳,梅琳娜·卡维奇尼,张俊康,文波,安德鲁·林,安娜·海因克,张阮,哲宏安,德克-乌韦·巴奇,程凌云,威廉·弗里曼
摘要
本研究旨在将一种新的人工智能 方法与传统的数学翘曲方法进行比较,以准确覆盖来自两种不同成像设备的周边视网膜血管:共聚焦扫描激光检眼镜宽视场图像和 SLO 超宽视场图像。
使用海德堡光谱 55 度视场和 Optos 超宽视场拍摄图像。传统的数学扭曲是使用随机样本共识 - 样本和共识集执行的。这与基于单向前向配准程序的人工智能对齐算法进行了比较,该算法由具有异常值抑制的全卷积神经网络以及迭代 3D 相机姿态优化过程组成。图像以棋盘格模式提供,外围血管根据与相邻框的对齐情况在四个象限中分级。
共分析了来自660只眼睛的55个盒子。比较三种方法之间的骰子得分:复合图像中折叠0-3341为0.4665/4784.1-2,折叠0-3315为0.4494/4596.2-1。使用 OR CNN + DC 合成的图像的中位数为 4,而使用 RANSAC-SC 为 2。使用我们的 OR CNN + DC 获得更高分级的几率是 RANSAC-SC 的 4.8 倍。
使用我们的人工智能算法比 RANSAC-SC 更好地进行周边视网膜血管对齐。这可能有助于改善视网膜解剖学和病理学与我们的算法的共定位。