O ṣeun fun lilo si Nature.com.O nlo ẹya ẹrọ aṣawakiri kan pẹlu atilẹyin CSS lopin.Fun iriri ti o dara julọ, a ṣeduro pe ki o lo ẹrọ aṣawakiri imudojuiwọn kan (tabi mu Ipo Ibamu ṣiṣẹ ni Internet Explorer).Ni afikun, lati rii daju pe atilẹyin tẹsiwaju, a fihan aaye naa laisi awọn aza ati JavaScript.
Sliders nfihan awọn nkan mẹta fun ifaworanhan.Lo awọn ẹhin ati awọn bọtini atẹle lati gbe nipasẹ awọn ifaworanhan, tabi awọn bọtini idari ifaworanhan ni ipari lati gbe nipasẹ ifaworanhan kọọkan.
Angiography tomographic ti opitika (OCTA) jẹ ọna tuntun fun iworan ti kii ṣe afomo ti awọn ohun elo retinal.Botilẹjẹpe OCTA ni ọpọlọpọ awọn ohun elo ile-iwosan ti o ni ileri, ṣiṣe ipinnu didara aworan jẹ ipenija.A ṣe agbekalẹ eto ipilẹ ẹkọ ti o jinlẹ nipa lilo iyasọtọ nẹtiwọọki Neural ResNet152 ti a ti kọkọ tẹlẹ pẹlu ImageNet lati ṣe iyasọtọ awọn aworan plexus capillary capillary lati awọn ọlọjẹ 347 ti awọn alaisan 134.Awọn aworan naa tun ṣe ayẹwo pẹlu ọwọ bi otitọ otitọ nipasẹ awọn oludiwọn ominira meji fun awoṣe ikẹkọ abojuto.Nitoripe awọn ibeere didara aworan le yatọ si da lori ile-iwosan tabi awọn eto iwadii, awọn awoṣe meji ni ikẹkọ, ọkan fun idanimọ aworan didara ati ekeji fun idanimọ aworan didara kekere.Awoṣe nẹtiwọọki nkankikan wa fihan agbegbe ti o dara julọ labẹ tẹ (AUC), 95% CI 0.96-0.99, \ (\ kappa \) = 0.81), eyiti o dara ni pataki ju ipele ifihan ti o royin nipasẹ ẹrọ (AUC = 0.82, 95). % CI).0.77-0.86, \ (\ kappa \) = 0.52 ati AUC = 0.78, 95% CI 0.73-0.83, \ (\ kappa \) = 0.27, lẹsẹsẹ).Iwadii wa ṣe afihan pe awọn ọna ikẹkọ ẹrọ le ṣee lo lati ṣe agbekalẹ awọn ọna iṣakoso didara ati to lagbara fun awọn aworan OCTA.
Angiography tomographic ti opitika (OCTA) jẹ ilana tuntun ti o jo ti o da lori itọsi isọpọ opiti (OCT) ti o le ṣee lo fun iworan ti kii ṣe apanirun ti microvasculature retinal.OCTA ṣe iwọn iyatọ ninu awọn ilana iṣaro lati awọn itọsi ina ti o tun ni agbegbe kanna ti retina, ati pe awọn atunkọ le ṣe iṣiro lati ṣafihan awọn ohun elo ẹjẹ laisi lilo apanirun ti awọn awọ tabi awọn aṣoju itansan miiran.OCTA tun ngbanilaaye aworan iṣan-ẹjẹ-ijinlẹ-ijinlẹ, gbigba awọn alamọdaju laaye lati ṣayẹwo lọtọ lọtọ ati awọn ipele ọkọ oju omi ti o jinlẹ, ṣe iranlọwọ lati ṣe iyatọ laarin arun chorioretinal.
Lakoko ti ilana yii n ṣe ileri, iyatọ didara aworan jẹ ipenija pataki fun itupalẹ aworan ti o gbẹkẹle, ṣiṣe itumọ aworan nira ati idilọwọ isọdọmọ ile-iwosan kaakiri.Nitori OCTA nlo ọpọ awọn iwoye OCT itẹlera, o ni ifarabalẹ si awọn ohun-ọṣọ aworan ju OCT boṣewa lọ.Pupọ julọ awọn iru ẹrọ OCTA ti iṣowo n pese metric didara aworan tiwọn ti a pe ni Agbara Ifihan (SS) tabi nigbakan Atọka Agbara Ifihan (SSI).Sibẹsibẹ, awọn aworan ti o ni iye SS giga tabi SSI ko ṣe iṣeduro isansa ti awọn ohun-ọṣọ aworan, eyiti o le ni ipa lori eyikeyi itupalẹ aworan ti o tẹle ati ja si awọn ipinnu ile-iwosan ti ko tọ.Awọn ohun-ọṣọ aworan ti o wọpọ ti o le waye ni aworan OCTA pẹlu awọn ohun-ọṣọ iṣipopada, awọn ohun-ọṣọ ti ipin, awọn ohun-ọṣọ opacity media, ati awọn ohun elo asọtẹlẹ1,2,3.
Gẹgẹbi awọn igbese ti o niiṣe ti OCTA gẹgẹbi iwuwo iṣan ti iṣan ti wa ni lilo siwaju sii ni iwadi itumọ, awọn idanwo iwosan ati iṣẹ iwosan, o wa ni kiakia lati ṣe agbekalẹ awọn ilana iṣakoso didara aworan ti o lagbara ati ti o gbẹkẹle lati yọkuro awọn aworan aworan4.Rekọja awọn isopọ, ti a tun mọ si awọn asopọ ti o ku, jẹ awọn asọtẹlẹ ni faaji nẹtiwọọki nkankikan ti o gba alaye laaye lati fori awọn fẹlẹfẹlẹ convolutional lakoko titọju alaye ni awọn iwọn oriṣiriṣi tabi awọn ipinnu5.Nitoripe awọn ohun-ọṣọ aworan le ni ipa lori iwọn-kekere ati iṣẹ ṣiṣe aworan ti o tobi gbogbogbo, awọn nẹtiwọọki aifọkanbalẹ foo-asopọ ni ibamu daradara lati ṣe adaṣe iṣẹ iṣakoso didara yii5.Iṣẹ ti a tẹjade laipẹ ti ṣe afihan diẹ ninu awọn ileri fun awọn nẹtiwọọki alakan ti o jinlẹ ti o ni ikẹkọ nipa lilo data ti o ni agbara giga lati awọn iṣiro eniyan6.
Ninu iwadi yii, a ṣe ikẹkọ asopọ-fifo nẹtiwọọki nkankikan convolutional lati pinnu didara awọn aworan OCTA laifọwọyi.A kọ lori iṣẹ iṣaaju nipasẹ didagbasoke awọn awoṣe lọtọ fun idamo awọn aworan didara ati awọn aworan didara kekere, nitori awọn ibeere didara aworan le yato fun awọn oju iṣẹlẹ ile-iwosan kan pato tabi awọn oju iṣẹlẹ iwadii.A ṣe afiwe awọn abajade ti awọn nẹtiwọọki wọnyi pẹlu awọn nẹtiwọọki nkankikan laisi awọn asopọ ti o padanu lati ṣe iṣiro iye ti pẹlu awọn ẹya ni awọn ipele pupọ ti granularity laarin ikẹkọ jinlẹ.Lẹhinna a ṣe afiwe awọn abajade wa si agbara ifihan, iwọn itẹwọgba ti didara aworan ti a pese nipasẹ awọn aṣelọpọ.
Iwadi wa pẹlu awọn alaisan ti o ni àtọgbẹ ti o lọ si Ile-iṣẹ Oju Yale laarin Oṣu Kẹjọ 11, 2017 ati Oṣu Kẹrin Ọjọ 11, Ọdun 2019. Awọn alaisan ti o ni eyikeyi arun chorioretinal ti ko ni dayabetic ni a yọkuro.Ko si ifisi tabi awọn ami iyasọtọ ti o da lori ọjọ ori, akọ-abo, ije, didara aworan, tabi eyikeyi ifosiwewe miiran.
Awọn aworan OCTA ni a gba ni lilo pẹpẹ AngioPlex lori Cirrus HD-OCT 5000 (Carl Zeiss Meditec Inc, Dublin, CA) labẹ 8 (\ times) 8 mm ati 6 \ (\ times \) 6 mm awọn ilana aworan.Ififunni ti alaye fun ikopa ninu iwadi naa ni a gba lati ọdọ alabaṣe iwadi kọọkan, ati Igbimọ Atunwo Atunwo Ile-ẹkọ giga ti Yale (IRB) fọwọsi lilo ifọwọsi alaye pẹlu fọtoyiya agbaye fun gbogbo awọn alaisan wọnyi.Ni atẹle awọn ilana ti Ikede Helsinki.Iwadi naa jẹ ifọwọsi nipasẹ Yale University IRB.
Awọn aworan awo ti dada ni a ṣe ayẹwo ti o da lori Iṣipopada Artifact Score (MAS) ti a ṣapejuwe tẹlẹ, Iwọn Ipin Artifact Score (SAS) ti a ṣapejuwe tẹlẹ, ile-iṣẹ foveal, wiwa ti opacity media, ati iworan ti o dara ti awọn capillaries kekere bi ipinnu nipasẹ oluyẹwo aworan.Awọn aworan ni a ṣe atupale nipasẹ awọn oluyẹwo ominira meji (RD ati JW).Aworan kan ni Dimegilio ti iwọn 2 (yẹ) ti gbogbo awọn ibeere wọnyi ba ni ibamu: aworan ti dojukọ fovea (kere ju awọn piksẹli 100 lati aarin aworan), MAS jẹ 1 tabi 2, SAS jẹ 1, ati media opacity jẹ kere ju 1. Bayi lori awọn aworan ti iwọn / 16, ati kekere capillaries ti wa ni ti ri ninu awọn aworan ti o tobi ju 15/16.Aworan kan jẹ iwọn 0 (ko si idiyele) ti eyikeyi ninu awọn ibeere wọnyi ba ni ibamu: aworan naa wa ni aarin, ti MAS ba jẹ 4, ti SAS ba jẹ 2, tabi opacity apapọ jẹ tobi ju 1/4 ti aworan naa, ati awọn capillaries kekere ko le ṣe atunṣe diẹ sii ju aworan 1 / 4 lati ṣe iyatọ.Gbogbo awọn aworan miiran ti ko ni ibamu pẹlu awọn igbelewọn igbelewọn 0 tabi 2 ni a gba wọle bi 1 (pipin).
Lori ọpọtọ.1 ṣe afihan awọn aworan apẹẹrẹ fun ọkọọkan awọn iṣiro iwọn ati awọn ohun-ọṣọ aworan.Igbẹkẹle agbedemeji awọn nọmba kọọkan ni a ṣe ayẹwo nipasẹ iwuwo kappa Cohen8.Awọn iṣiro ẹni kọọkan ti oṣuwọn kọọkan ni a ṣe akopọ lati gba Dimegilio gbogbogbo fun aworan kọọkan, ti o wa lati 0 si 4. Awọn aworan pẹlu Dimegilio lapapọ ti 4 ni a ka pe o dara.Awọn aworan pẹlu apapọ Dimegilio 0 tabi 1 ni a gba pe didara kekere.
A ResNet152 faaji convolutional neural nẹtiwọki (Eeya. 3A.i) kọkọ-oṣiṣẹ lori awọn aworan lati ImageNet database ti a ti ipilẹṣẹ nipa lilo fast.ai ati awọn PyTorch framework5, 9, 10, 11. A convolutional nkankikan nẹtiwọki ni a nẹtiwọki ti o nlo awọn ẹkọ Ajọ fun wíwo awọn ajẹkù aworan lati ṣe iwadi aaye ati awọn ẹya agbegbe.ResNet ti oṣiṣẹ wa jẹ nẹtiwọọki nkankikan 152-Layer ti o ni ijuwe nipasẹ awọn ela tabi “awọn isopọ to ku” ti o tan alaye nigbakanna pẹlu awọn ipinnu pupọ.Nipa sisọ alaye ni awọn ipinnu oriṣiriṣi lori nẹtiwọọki, pẹpẹ le kọ ẹkọ awọn ẹya ti awọn aworan didara kekere ni awọn ipele pupọ ti awọn alaye.Ni afikun si awoṣe ResNet wa, a tun ṣe ikẹkọ AlexNet, ile-iṣẹ nẹtiwọọki neural ti o ṣe iwadi daradara, laisi awọn asopọ ti o padanu fun lafiwe (Figure 3A.ii)12.Laisi awọn asopọ ti o padanu, nẹtiwọọki yii kii yoo ni anfani lati mu awọn ẹya ni granularity giga.
Atilẹba 8 \ (\ igba \) 8mm OCTA13 ṣeto aworan ti ni ilọsiwaju nipa lilo awọn ilana itọka petele ati inaro.Ipilẹ data kikun lẹhinna pin laileto ni ipele aworan sinu ikẹkọ (51.2%), idanwo (12.8%), yiyi hyperparameter (16%), ati awọn iwe data afọwọsi (20%) ni lilo apoti irinṣẹ scikit-learn python14.Awọn ọran meji ni a gbero, ọkan ti o da lori wiwa awọn aworan ti o ga julọ nikan (iwọn apapọ 4) ati ekeji da lori wiwa nikan awọn aworan didara ti o kere julọ (iwọn apapọ 0 tabi 1).Fun ọran lilo didara-giga kọọkan ati didara kekere, nẹtiwọọki nkankikan ti ni atunṣe lẹẹkan lori data aworan wa.Ninu ọran lilo kọọkan, nẹtiwọọki nkankikan ti ni ikẹkọ fun awọn akoko 10, gbogbo ṣugbọn awọn iwuwo Layer ti o ga julọ ni ao tutunini, ati pe awọn iwuwo ti gbogbo awọn aye inu inu ni a kọ ẹkọ fun awọn akoko 40 nipa lilo ọna oṣuwọn ikẹkọ iyasoto pẹlu iṣẹ ipadanu agbelebu-entropy 15, 16..Iṣẹ isonu entropy agbelebu jẹ wiwọn ti iwọn logarithmic ti aibikita laarin awọn aami nẹtiwọọki asọtẹlẹ ati data gidi.Lakoko ikẹkọ, irandiwọn ni a ṣe lori awọn aye inu ti nẹtiwọọki nkankikan lati dinku awọn adanu.Oṣuwọn ẹkọ, oṣuwọn sisọ silẹ, ati awọn hyperparameters idinku iwuwo jẹ aifwy ni lilo iṣapeye Bayesian pẹlu awọn aaye ibẹrẹ laileto 2 ati awọn iterations 10, ati pe AUC lori dataset jẹ aifwy ni lilo awọn hyperparameters bi ibi-afẹde ti 17.
Awọn apẹẹrẹ aṣoju ti 8 × 8 mm awọn aworan OCTA ti awọn plexuses capillary superficial ti gba wọle 2 (A, B), 1 (C, D), ati 0 (E, F).Awọn ohun-ọṣọ aworan ti o han pẹlu awọn laini didan (awọn itọka), awọn ohun-ọṣọ ti ipin (awọn ami akiyesi), ati opacity media (awọn itọka).Aworan (E) tun wa ni ita.
Awọn abuda iṣẹ olugba (ROC) lẹhinna ni ipilẹṣẹ fun gbogbo awọn awoṣe nẹtiwọọki nkankikan, ati pe awọn ijabọ agbara ifihan ẹrọ jẹ ipilẹṣẹ fun didara kekere ati ọran lilo didara giga.Agbegbe labẹ ohun ti tẹ (AUC) jẹ iṣiro nipa lilo package pROC R, ati awọn aaye igbẹkẹle 95% ati awọn iye p-iye ni a ṣe iṣiro nipa lilo ọna DeLong18,19.Awọn ikun ikojọpọ ti awọn oṣuwọn eniyan ni a lo bi ipilẹ fun gbogbo awọn iṣiro ROC.Fun agbara ifihan ti o royin nipasẹ ẹrọ, AUC jẹ iṣiro lẹmeji: ni ẹẹkan fun gige gige Score Scalability ti o ga ati ni ẹẹkan fun gige gige Score didara kekere.Nẹtiwọọki nkankikan jẹ akawe si agbara ifihan agbara AUC ti n ṣe afihan ikẹkọ tirẹ ati awọn ipo igbelewọn.
Lati ṣe idanwo siwaju sii awoṣe ikẹkọ jinlẹ ti ikẹkọ lori data data lọtọ, didara giga ati awọn awoṣe didara kekere ni a lo taara si igbelewọn iṣẹ ṣiṣe ti 32 oju kikun 6 \ (\ times) Awọn aworan pẹlẹbẹ oju ilẹ 6mm ti a gba lati Ile-ẹkọ giga Yale.Oju Mass wa ni aarin ni akoko kanna bi aworan 8 \ (\ igba \) 8 mm.Awọn aworan 6 \ (\×) 6 mm ni a ṣe ayẹwo pẹlu ọwọ nipasẹ awọn olutọpa kanna (RD ati JW) ni ọna kanna gẹgẹbi awọn aworan 8 (\×) 8 mm, AUC ti ṣe iṣiro daradara bi deede ati Cohen's kappa. .bakanna.
Iwọn aiṣedeede kilasi jẹ 158:189 (\ (\ rho = 1.19 \)) fun awoṣe didara kekere ati 80:267 (\ (\rho = 3.3 \)) fun awoṣe didara to gaju.Nitoripe ipin aiṣedeede kilasi kere ju 1:4, ko si awọn ayipada ayaworan kan pato ti a ti ṣe lati ṣe atunṣe aiṣedeede kilasi20,21.
Lati wo ilana ikẹkọ dara julọ, awọn maapu imuṣiṣẹ kilasi ni ipilẹṣẹ fun gbogbo awọn awoṣe ikẹkọ jinlẹ mẹrin ti oṣiṣẹ: awoṣe ResNet152 didara giga, awoṣe ResNet152 didara kekere, awoṣe didara didara AlexNet, ati awoṣe didara kekere AlexNet.Awọn maapu imuṣiṣẹ kilasi jẹ ipilẹṣẹ lati inu awọn fẹlẹfẹlẹ convolutional igbewọle ti awọn awoṣe mẹrin wọnyi, ati awọn maapu ooru jẹ ipilẹṣẹ nipasẹ awọn maapu imuṣiṣẹ agbekọja pẹlu awọn aworan orisun lati 8 × 8 mm ati 6 × 6 mm afọwọsi ṣeto22, 23.
Ẹya R 4.0.3 ni a lo fun gbogbo awọn iṣiro iṣiro, ati awọn iworan ni a ṣẹda nipa lilo ikawe irinṣẹ awọn aworan ggplot2.
A kojọpọ awọn aworan iwaju 347 ti plexus capillary superficial ti o ni iwọn 8 \ (\ times \) 8 mm lati awọn eniyan 134.Ẹrọ naa royin agbara ifihan agbara lori iwọn 0 si 10 fun gbogbo awọn aworan (itumọ = 6.99 ± 2.29).Ninu awọn aworan 347 ti o gba, ọjọ-ori apapọ ni idanwo jẹ 58.7 ± 14.6 ọdun, ati 39.2% wa lati ọdọ awọn alaisan ọkunrin.Ninu gbogbo awọn aworan, 30.8% wa lati awọn ara ilu Caucasians, 32.6% lati Awọn alawodudu, 30.8% lati awọn ara ilu Hispaniki, 4% lati awọn ara ilu Asia, ati 1.7% lati awọn ẹya miiran (Table 1).).Pipin ọjọ-ori ti awọn alaisan pẹlu OCTA yatọ ni pataki da lori didara aworan naa (p <0.001).Iwọn awọn aworan ti o ga julọ ni awọn alaisan ti o wa ni ọjọ ori 18-45 jẹ 33.8% ni akawe si 12.2% ti awọn aworan didara kekere (Table 1).Pipin ipo retinopathy dayabetik tun yatọ ni pataki ni didara aworan (p <0.017).Lara gbogbo awọn aworan ti o ga julọ, ipin ogorun awọn alaisan pẹlu PDR jẹ 18.8% ni akawe si 38.8% ti gbogbo awọn aworan didara kekere (Table 1).
Awọn igbelewọn ẹni kọọkan ti gbogbo awọn aworan fihan iwọntunwọnsi si igbẹkẹle agbedemeji laarin awọn eniyan ti n ka awọn aworan (Cohen's weighted kappa = 0.79, 95% CI: 0.76-0.82), ati pe ko si awọn aaye aworan nibiti awọn olutọpa yato nipasẹ diẹ sii ju 1 (Eeya. 2A)..Imudara ifihan agbara ni ibamu ni pataki pẹlu igbelewọn afọwọṣe (Ibaṣepọ akoko ọja Pearson = 0.58, 95% CI 0.51-0.65, p<0.001), ṣugbọn ọpọlọpọ awọn aworan ni a mọ bi nini ifihan agbara giga ṣugbọn igbelewọn afọwọṣe kekere (Fig. .2B).
Lakoko ikẹkọ ti awọn ile-iṣẹ ResNet152 ati AlexNet, ipadanu entropy agbelebu lori afọwọsi ati ikẹkọ ṣubu lori awọn akoko 50 (Figure 3B,C).Iṣeduro afọwọsi ni akoko ikẹkọ ikẹhin ti kọja 90% fun didara giga mejeeji ati awọn ọran lilo didara kekere.
Awọn iṣipopada iṣẹ olugba fihan pe awoṣe ResNet152 ṣe pataki ju agbara ifihan ti ẹrọ royin ni awọn ọran lilo kekere ati giga (p <0.001).Awoṣe ResNet152 tun ṣe pataki ju faaji AlexNet lọ (p = 0.005 ati p = 0.014 fun didara kekere ati awọn ọran didara giga, lẹsẹsẹ).Awọn awoṣe abajade fun ọkọọkan awọn iṣẹ ṣiṣe wọnyi ni anfani lati ṣaṣeyọri awọn iye AUC ti 0.99 ati 0.97, ni atele, eyiti o dara julọ ju awọn iye AUC ti o baamu ti 0.82 ati 0.78 fun atọka ifihan agbara ẹrọ tabi 0.97 ati 0.94 fun AlexNet ..(Eya. 3).Iyatọ laarin ResNet ati AUC ni agbara ifihan jẹ ti o ga julọ nigbati o ba mọ awọn aworan didara to gaju, nfihan awọn anfani afikun ti lilo ResNet fun iṣẹ yii.
Awọn aworan naa fihan agbara oludiwọn ominira kọọkan lati ṣe Dimegilio ati afiwe pẹlu agbara ifihan ti o royin nipasẹ ẹrọ naa.(A) Apapọ awọn aaye lati ṣe ayẹwo ni a lo lati ṣẹda nọmba lapapọ ti awọn aaye lati ṣe ayẹwo.Awọn aworan pẹlu Dimegilio igbelewọn gbogbogbo ti 4 ni a yan didara giga, lakoko ti awọn aworan pẹlu Dimegilio igbelewọn gbogbogbo ti 1 tabi kere si ni ipinnu didara kekere.(B) Agbara ifihan ni ibamu pẹlu awọn iṣiro afọwọṣe, ṣugbọn awọn aworan pẹlu kikankikan ifihan agbara le jẹ ti didara ko dara.Laini ti o ni aami pupa tọkasi ilodi didara ti a ṣeduro ti olupese ti o da lori agbara ifihan (agbara ifihan \ (\ ge \) 6).
Ikẹkọ gbigbe ResNet n pese ilọsiwaju pataki ni idanimọ didara aworan fun didara kekere mejeeji ati awọn ọran lilo didara giga ti a fiwera si awọn ipele ifihan agbara ti ẹrọ.(A) Irọrun awọn aworan atọka faaji ti iṣaju-oṣiṣẹ (i) ResNet152 ati (ii) AlexNet architectures.(B) Itan ikẹkọ ati awọn iṣiro iṣẹ olugba fun ResNet152 ni akawe si ẹrọ ti o royin agbara ifihan ati awọn igbelewọn didara kekere AlexNet.(C) Itan ikẹkọ olugba ResNet152 ati awọn iha iṣẹ ṣiṣe akawe si ẹrọ ti o royin agbara ifihan ati awọn igbelewọn didara didara AlexNet.
Lẹhin ti n ṣatunṣe ala-ilẹ ipinnu ipinnu, iṣedede asọtẹlẹ ti o pọju ti awoṣe ResNet152 jẹ 95.3% fun ọran didara kekere ati 93.5% fun ọran didara giga (Table 2).Iwọn asọtẹlẹ ti o pọju ti awoṣe AlexNet jẹ 91.0% fun ọran didara kekere ati 90.1% fun ọran ti o ga julọ (Table 2).Iwọn asọtẹlẹ agbara ifihan ti o pọju jẹ 76.1% fun ọran lilo didara kekere ati 77.8% fun ọran lilo didara giga.Gẹgẹbi Cohen's kappa (\ (\ kappa \)), adehun laarin awoṣe ResNet152 ati awọn iṣiro jẹ 0.90 fun ọran didara kekere ati 0.81 fun ọran didara giga.Cohen's AlexNet kappa jẹ 0.82 ati 0.71 fun didara kekere ati awọn ọran lilo didara giga, ni atele.Agbara ifihan agbara Cohen kappa jẹ 0.52 ati 0.27 fun awọn ọran lilo didara kekere ati giga, ni atele.
Ifọwọsi ti awọn awoṣe idanimọ didara giga ati kekere lori 6 \ (\ x \) awọn aworan ti awo alapin 6 mm ṣe afihan agbara ti awoṣe ikẹkọ lati pinnu didara aworan kọja ọpọlọpọ awọn aye aworan.Nigbati o ba nlo 6 \ (\ x \) Awọn pẹlẹbẹ aijinile 6 mm fun didara aworan, awoṣe didara kekere ni AUC ti 0.83 (95% CI: 0.69-0.98) ati awoṣe didara to gaju ni AUC ti 0.85.(95% CI: 0.55-1.00) (Table 2).
Ayewo wiwo ti awọn maapu imuṣiṣẹ kilasi Layer igbewọle fihan pe gbogbo awọn nẹtiwọọki nkankikan ti oṣiṣẹ lo awọn ẹya aworan lakoko isọdi aworan (Fig. 4A, B).Fun 8 \ (\ igba \) 8 mm ati 6 \ (\ igba \) 6 mm awọn aworan, awọn aworan imuṣiṣẹ ResNet ni pẹkipẹki tẹle vasculature retinal.Awọn maapu imuṣiṣẹ AlexNet tun tẹle awọn ọkọ oju omi retinal, ṣugbọn pẹlu ipinnu ti o lagbara.
Awọn maapu imuṣiṣẹ kilasi fun ResNet152 ati awọn awoṣe AlexNet ṣe afihan awọn ẹya ti o ni ibatan si didara aworan.(A) Maapu imuṣiṣẹ Kilasi ti n ṣe afihan imuṣiṣẹ ibaramu lẹhin vasculature retinal ti Egbò lori 8 \ (\ times \) Awọn aworan afọwọsi 8 mm ati (B) iwọn lori awọn aworan afọwọsi 6 milimita kekere (\times \) 6 mm.Awoṣe LQ ti oṣiṣẹ lori kekere didara àwárí mu, HQ awoṣe oṣiṣẹ lori ga didara àwárí mu.
O ti han tẹlẹ pe didara aworan le ni ipa pupọ ni iwọn eyikeyi ti awọn aworan OCTA.Ni afikun, wiwa retinopathy pọ si iṣẹlẹ ti awọn aworan aworan7,26.Ni otitọ, ninu data wa, ni ibamu pẹlu awọn iwadi iṣaaju, a ri ifarapọ pataki laarin ọjọ-ori ti o pọ si ati idibajẹ ti arun aisan ati ibajẹ ni didara aworan (p <0.001, p = 0.017 fun ọjọ ori ati ipo DR, lẹsẹsẹ; Table 1) 27 Nitorina, o ṣe pataki lati ṣe ayẹwo didara aworan ṣaaju ṣiṣe eyikeyi iṣiro titobi ti awọn aworan OCTA.Pupọ awọn ijinlẹ ti n ṣatupalẹ awọn aworan OCTA lo awọn iloro ifihan agbara ti ẹrọ royin lati ṣe akoso awọn aworan didara kekere.Botilẹjẹpe a ti han kikankikan ifihan agbara lati ni ipa lori iwọn awọn iwọn OCTA, kikankikan ifihan agbara nikan le ma to lati ṣe akoso awọn aworan pẹlu artifacts aworan2,3,28,29.Nitorinaa, o jẹ dandan lati ṣe agbekalẹ ọna igbẹkẹle diẹ sii ti iṣakoso didara aworan.Ni ipari yii, a ṣe iṣiro iṣẹ ṣiṣe ti awọn ọna ikẹkọ jinlẹ ti iṣakoso lodi si agbara ifihan ti o royin nipasẹ ẹrọ naa.
A ti ṣe agbekalẹ ọpọlọpọ awọn awoṣe fun iṣiro didara aworan nitori oriṣiriṣi awọn ọran lilo OCTA le ni awọn ibeere didara aworan oriṣiriṣi.Fun apẹẹrẹ, awọn aworan yẹ ki o jẹ ti o ga julọ.Ni afikun, awọn paramita pipo kan pato ti iwulo tun jẹ pataki.Fun apẹẹrẹ, agbegbe ti agbegbe foveal avascular ko da lori turbidity ti alabọde ti kii ṣe aarin, ṣugbọn yoo ni ipa lori iwuwo ti awọn ọkọ oju omi.Lakoko ti iwadii wa tẹsiwaju si idojukọ lori ọna gbogbogbo si didara aworan, ko ni asopọ si awọn ibeere ti eyikeyi idanwo kan pato, ṣugbọn a pinnu lati rọpo taara agbara ifihan ti ẹrọ naa royin, a nireti lati fun awọn olumulo ni iwọn iṣakoso ti o tobi julọ ki wọn le yan metiriki pato ti iwulo si olumulo.yan awoṣe ti o ni ibamu si iwọn ti o pọju ti awọn ohun-ọṣọ aworan ti a kà pe o jẹ itẹwọgba.
Fun didara kekere ati awọn iwoye ti o ni agbara giga, a ṣe afihan iṣẹ ṣiṣe ti o dara julọ ti awọn nẹtiwọọki alaiṣedeede ti o padanu asopọ, pẹlu AUC ti 0.97 ati 0.99 ati awọn awoṣe didara kekere, ni atele.A tun ṣe afihan iṣẹ ti o ga julọ ti ọna ẹkọ ti o jinlẹ nigbati a bawe si awọn ipele ifihan ti o royin nipasẹ awọn ẹrọ nikan.Rekọja awọn isopọ gba awọn nẹtiwọọki nkankikan laaye lati kọ awọn ẹya ni awọn ipele pupọ ti alaye, yiya awọn abala ti o dara julọ ti awọn aworan (fun apẹẹrẹ itansan) ati awọn ẹya gbogbogbo (fun apẹẹrẹ aworan aarin30,31).Niwọn bi awọn ohun-ọṣọ aworan ti o ni ipa didara aworan ni o ṣee ṣe idanimọ ti o dara julọ lori iwọn jakejado, awọn faaji nẹtiwọọki nkankikan pẹlu awọn asopọ ti o padanu le ṣe afihan iṣẹ ṣiṣe ti o dara julọ ju awọn ti ko ni awọn iṣẹ ṣiṣe ipinnu didara aworan.
Nigbati o ba ṣe idanwo awoṣe wa lori 6 \ (\ × 6mm) awọn aworan OCTA, a ṣe akiyesi idinku ninu iṣẹ ṣiṣe iyasọtọ fun didara giga ati awọn awoṣe didara kekere (Fig. 2), ni idakeji si iwọn ti awoṣe ti a kọ fun isọdi.Ti a ṣe afiwe si awoṣe ResNet, awoṣe AlexNet ni isubu nla.Išẹ ti o dara julọ ti ResNet le jẹ nitori agbara awọn asopọ ti o ku lati ṣe atagba alaye ni awọn irẹjẹ pupọ, eyiti o jẹ ki awoṣe naa lagbara diẹ sii fun tito awọn aworan ti o ya ni awọn iwọn ati / tabi awọn titobi oriṣiriṣi.
Diẹ ninu awọn iyatọ laarin 8 \ (\ × \) awọn aworan 8 mm ati 6 \ (\ × \) awọn aworan 6 mm le ja si ipinya ti ko dara, pẹlu ipin ti o ga julọ ti awọn aworan ti o ni awọn agbegbe iṣan foveal, awọn iyipada ni hihan, awọn arcades iṣan, ati ko si opiki nafu lori aworan 6× 6 mm.Bi o ti lẹ jẹ pe eyi, awoṣe ResNet ti o ga julọ ni anfani lati ṣaṣeyọri AUC ti 85% fun awọn aworan 6 (\ x) 6 mm, iṣeto kan fun eyiti awoṣe ko ṣe ikẹkọ, ni iyanju pe alaye didara aworan ti koodu ni nẹtiwọọki nkankikan dara.fun iwọn aworan kan tabi iṣeto ẹrọ ni ita ikẹkọ rẹ (Table 2).Reassuringly, ResNet- ati AlexNet-like ibere ise maapu ti 8 \ (\ igba \) 8 mm ati 6 \ (\ igba \) 6 mm images wà anfani lati saami retinal èlò ni igba mejeeji, ni iyanju wipe awọn awoṣe ni o ni pataki alaye.jẹ iwulo fun pinpin awọn oriṣi mejeeji ti awọn aworan OCTA (Fig. 4).
Lauerman et al.Iṣayẹwo didara aworan lori awọn aworan OCTA ni a ṣe bakanna ni lilo faaji ibẹrẹ, isọpọ-asopọ convolutional neural network6,32 ni lilo awọn ilana ikẹkọ jinlẹ.Wọn tun ṣe opin iwadi naa si awọn aworan ti plexus capillary capillary, ṣugbọn lilo awọn aworan 3 × 3 mm kere ju lati Optovue AngioVue, botilẹjẹpe awọn alaisan ti o ni ọpọlọpọ awọn arun chorioretinal tun wa pẹlu.Iṣẹ wa n gbele lori awọn ipilẹ wọn, pẹlu awọn awoṣe pupọ lati koju ọpọlọpọ awọn ilodiwọn didara aworan ati awọn abajade ifọwọsi fun awọn aworan ti awọn titobi oriṣiriṣi.A tun ṣe ijabọ metiriki AUC ti awọn awoṣe ikẹkọ ẹrọ ati mu išedede iwunilori tẹlẹ wọn (90%) 6 fun didara kekere mejeeji (96%) ati didara giga (95.7%) awọn awoṣe6.
Ikẹkọ yii ni awọn idiwọn pupọ.Ni akọkọ, awọn aworan ni a gba pẹlu ẹrọ OCTA kan, pẹlu awọn aworan nikan ti plexus capillary capillary ni 8 (\ times) 8 mm ati 6 (\ times) 6 mm.Idi fun imukuro awọn aworan lati awọn ipele ti o jinlẹ ni pe awọn ohun-ọṣọ asọtẹlẹ le jẹ ki igbelewọn afọwọṣe ti awọn aworan le nira ati o ṣee ṣe ko ni ibamu.Pẹlupẹlu, awọn aworan nikan ni a ti gba ni awọn alaisan alakan, fun ẹniti OCTA ti n yọ jade gẹgẹbi ohun elo ti o ṣe pataki ati ohun elo prognostic33,34.Botilẹjẹpe a ni anfani lati ṣe idanwo awoṣe wa lori awọn aworan ti awọn titobi oriṣiriṣi lati rii daju pe awọn abajade jẹ logan, a ko le ṣe idanimọ awọn data ti o dara lati awọn ile-iṣẹ oriṣiriṣi, eyiti o ni opin idiyele wa ti gbogbogbo ti awoṣe.Botilẹjẹpe awọn aworan ni a gba lati ile-iṣẹ kan ṣoṣo, wọn gba lati ọdọ awọn alaisan ti o yatọ si ti ẹya ati ti ẹda, eyiti o jẹ agbara alailẹgbẹ ti ikẹkọọ wa.Nipa fifi oniruuru sinu ilana ikẹkọ wa, a nireti pe awọn abajade wa yoo jẹ gbogboogbo ni ọna ti o gbooro, ati pe a yoo yago fun fifi koodu irẹwẹsi ẹda ninu awọn awoṣe ti a ṣe ikẹkọ.
Iwadi wa fihan pe awọn nẹtiwọọki nkankikan asopọ le jẹ ikẹkọ lati ṣaṣeyọri iṣẹ ṣiṣe giga ni ṣiṣe ipinnu didara aworan OCTA.A pese awọn awoṣe wọnyi bi awọn irinṣẹ fun iwadii siwaju.Nitori awọn metiriki oriṣiriṣi le ni oriṣiriṣi awọn ibeere didara aworan, awoṣe iṣakoso didara ẹni kọọkan le ṣe idagbasoke fun metiriki kọọkan ni lilo eto ti iṣeto nibi.
Iwadi ojo iwaju yẹ ki o pẹlu awọn aworan ti awọn titobi oriṣiriṣi lati awọn ijinle oriṣiriṣi ati awọn ẹrọ OCTA ti o yatọ lati gba ilana igbelewọn didara aworan ti o jinlẹ ti o le ṣe akopọ si awọn iru ẹrọ OCTA ati awọn ilana aworan.Iwadi lọwọlọwọ tun da lori awọn isunmọ ikẹkọ jinlẹ ti abojuto ti o nilo igbelewọn eniyan ati igbelewọn aworan, eyiti o le jẹ aladanla ati n gba akoko fun awọn ipilẹ data nla.O wa lati rii boya awọn ọna ikẹkọ jinlẹ ti ko ni abojuto le ṣe iyatọ daradara laarin awọn aworan didara kekere ati awọn aworan didara ga.
Bi imọ-ẹrọ OCTA ti n tẹsiwaju lati dagbasoke ati awọn iyara ọlọjẹ n pọ si, iṣẹlẹ ti awọn ohun-ọṣọ aworan ati awọn aworan didara ko dara le dinku.Awọn ilọsiwaju ninu sọfitiwia naa, gẹgẹbi ẹya yiyọkuro ohun-ọṣọ asọtẹlẹ ti a ṣe laipẹ, tun le dinku awọn idiwọn wọnyi.Bibẹẹkọ, ọpọlọpọ awọn iṣoro wa bi aworan ti awọn alaisan ti o ni imuduro ti ko dara tabi turbidity media pataki nigbagbogbo awọn abajade ni awọn ohun-ọṣọ aworan.Bi OCTA ṣe di lilo pupọ ni awọn idanwo ile-iwosan, akiyesi ṣọra ni a nilo lati fi idi awọn ilana mimọ han fun awọn ipele aworan aworan itẹwọgba fun itupalẹ aworan.Awọn ohun elo ti awọn ọna ẹkọ ti o jinlẹ si awọn aworan OCTA ṣe ileri nla ati pe a nilo iwadi siwaju sii ni agbegbe yii lati ṣe agbekalẹ ọna ti o lagbara si iṣakoso didara aworan.
Koodu ti a lo ninu iwadii lọwọlọwọ wa ni ibi ipamọ octa-qc, https://github.com/rahuldhodapkar/octa-qc.Awọn ipilẹ data ti ipilẹṣẹ ati/tabi atupale lakoko iwadii lọwọlọwọ wa lati ọdọ awọn onkọwe oniwun lori ibeere ti o tọ.
Spaide, RF, Fujimoto, JG & Waheed, NK Aworan artifacts ni opitika isokan angiography.Retina 35, 2163-2180 (2015).
Fenner, BJ et al.Idanimọ awọn ẹya aworan ti o pinnu didara ati atunṣe ti awọn wiwọn density capillary capillary plexus ni OCT angiography.BR.J. Ophthalmol.102, 509-514 (2018).
Lauerman, JL et al.Ipa ti imọ-ẹrọ ipasẹ oju lori didara aworan ti angiography OCT ni ibajẹ macular ti ọjọ-ori.Iboji aaki.isẹgun.Exp.ophthalmology.255, 1535-1542 (2017).
Babyuch AS et al.Awọn wiwọn iwuwo perfusion capillary OCTA ni a lo lati ṣawari ati ṣe iṣiro ischemia macular.ophthalmic abẹ.Aworan Laser Retinal 51, S30–S36 (2020).
He, K., Zhang, X., Ren, S., ati Sun, J. Deep Residual Learning for Aworan Idanimọ.Ni 2016 ni Apejọ IEEE lori Iranran Kọmputa ati Idanimọ Àpẹẹrẹ (2016).
Lauerman, JL et al.Ṣiṣayẹwo didara aworan angiographic Oct adaṣe adaṣe ni lilo awọn algoridimu ikẹkọ jinlẹ.Iboji aaki.isẹgun.Exp.ophthalmology.Ọdun 257, ọdun 1641–1648 (2019).
Lauermann, J. et al.Itankale ti awọn aṣiṣe ipin ati awọn ohun elo iṣipopada ni angiography OCT da lori arun ti retina.Iboji aaki.isẹgun.Exp.ophthalmology.Ọdun 256, 1807–1816 (2018).
Pask, Adam et al.Pytorch: Iṣe pataki, Ile-ikawe Ẹkọ Jin Iṣe-giga.To ti ni ilọsiwaju processing ti nkankikan alaye.eto.32, 8026-8037 (2019).
Deng, J. et al.PipaNet: Ipilẹ data Aworan Aworan ti o tobi.2009 IEEE Conference on Computer Vision ati Àpẹẹrẹ idanimọ.248–255.(2009).
Krizhevsky A., Sutzkever I. ati Hinton GE Imagenet classification nipa lilo awọn nẹtiwọọki ohun-ara ti o jinlẹ.To ti ni ilọsiwaju processing ti nkankikan alaye.eto.25, 1 (2012).