Mar, 2024

利用视网膜 OCT 图像预测心血管疾病风险

PDF
TL;DR通过自主学习的变分自编码器 (VAE) 在光学相干断层扫描 (OCT) 图像中学习低维表示，并结合参与者的人口统计学和临床数据，使用随机森林 (RF) 分类器来识别未来心血管疾病风险，其性能较 QRISK3 评分更优，证明视网膜 OCT 成像是一种经济高效的非侵入性方法来预测心血管疾病风险。
发现论文，激发创造
  • 利用深度学习从视网膜底照片预测心血管风险因素

    通过使用深度学习技术在 284,335 个患者的视网膜底部图像数据和 12,026 和 999 个独立数据集上进行训练，我们预测了视网膜图像中以前未被认为存在或可以量化的心血管风险因素，例如年龄（在 3.26 岁内），性别（0.97 AUC），吸烟状况（0.71 AUC），HbA1c（在 1.39％内），收缩压（在 11.23mmHg 内），以及主要不良心脏事件（0.70 AUC），这为进一步的研究开辟了新的途径。

    Aug, 2017

  • 利用人工智能和视网膜成像替代基于 Framingham 的心血管疾病风险和不良结果预测方程

    本研究旨在创建和评估一个人工智能深度学习平台 (ORAiCLE)，该平台仅使用视网膜底部图像即可预测个体在 5 年内的心血管疾病 (CVD) 风险以及构成该风险的组成部分的相关贡献。使用 Framingham 公式计算风险，与 ORAiCLE 相比，其在高风险人群中预测心血管事件的准确性最高可提高 12％。因此，学习者认为这种基于人工智能的 CVD 风险算法有望使患者更精确，更实惠，更易于得到诊断。

    Jul, 2022

  • 通过眼底图像评估心血管疾病和风险因素的人工智能：过去十年的回顾

    应用人工智能与深度学习技术结合视网膜成像，实现心血管疾病早期检测和诊断的研究概览。

    Nov, 2023

  • 使用人工智能从结构性光学相干断层扫描生成视网膜流动图

    通过使用来自光学相干断层扫描血管造影 (OCTA) 的图像训练 AI 算法，我们可以通过标准的结构性光学相干断层扫描 (OCT) 图像来生成血管图，且模型的性能在微血管灌注方面与 OCTA 不相上下，表现明显优于专家临床医生的操作水平，并绕过了专家标注的负担和限制。这为医学成像提供了一种新的应用方法。

    Feb, 2018

  • 使用模拟光学相干断层扫描血管造影技术进行详细视网膜血管分割，无需人工注释

    采用基于空间殖民化的仿真方法和三个对比适应管道，以更快、更真实地合成 OCTA，表现出优异的性能，能更好地补足深度学习方法不足。

    Jun, 2023

  • DISCOVER: 光学相干断层扫描血管造影的 2D 多视图总结用于自动糖尿病性视网膜病变诊断

    该研究使用光学相干断层扫描血管造影技术（OCTA）对糖尿病视网膜病变进行自动评估，通过优化的二维摘要和分类流程，提供了比三维分类更好、更易解释的结果。

    Jan, 2024

  • OCTDL：用于基于图像的深度学习方法的光学相干断层扫描数据集

    该研究使用光学相干断层扫描（OCT）技术，建立了一个开放数据集（OCTDL），其中包含 1600 多幅高分辨率 OCT 图像，针对疾病组和视网膜病理进行了标记。通过应用深度学习分类技术，对该数据集进行了疾病分类的研究。

    Dec, 2023

  • 基于贝叶斯深度学习的光学相干层析成像视网膜层联合分割和不确定性可视化

    该论文提出了一种基于贝叶斯深度学习的视网膜层分割和不确定性量化方法，其不仅可以进行视网膜层的端对端分割，而且还可以提供像素级的不确定性度量。通过生成的不确定性地图，可以识别出错误分割的图像区域，从而用于下游分析。该方法在视网膜图像分割方面具有可比或更好的性能，并且更加稳健抗噪声。

    Sep, 2018

  • 使用光学相干层析成像和血管造影自动诊断阿尔茨海默病的调查

    本研究对视网膜光学相干断层扫描技术与深度学习算法在阿尔茨海默病和认知损害的自动化诊断方面的应用进行了系统性综述，发现开放的阿尔茨海默病相关光学相干断层扫描数据集的不足是制约该领域进展的主要问题。

    Sep, 2022

  • RetiNet: OCT 体数据中自动识别 AMD

    本研究提出了一种基于卷积神经网络的半监督学习方法，利用光学相干断层扫描成像技术对视网膜疾病进行自动识别，并取得了良好的效果。

    Oct, 2016