Efficient and fully-automatic retinal choroid segmentation in OCT through DL-based distillation of a hand-crafted pipeline

要約

低コストで非侵襲的な網膜イメージングから得られる網膜血管の表現型は、心疾患、神経疾患、腎血管疾患などの全身疾患と関連付けられています。
最近の高解像度光コヒーレンストモグラフィー (OCT) により、脈絡膜微小血管構造のイメージングが可能になり、現在の血管表現型の基礎となっている表在網膜血管を補う血管の健康状態に関するより多くの情報が得られる可能性があります。
OCT における脈絡膜のセグメンテーションは、厚さや面積などの脈絡膜パラメータを定量化するための重要なステップです。
Gaussian Process Edge Tracing (GPET) は、このための臨床的に検証された有望な方法です。
ただし、GPET は半自動であるため、特別な訓練を受けた担当者による時間のかかる手動介入が必要であり、これにより主観が入り込み、大規模なデータセットの分析や臨床現場への GPET の導入の可能性が制限されます。
GPET をニューラル ネットワークに抽出して、完全に自動化された効率的な脈絡膜セグメンテーション手法を生成する DeepGPET を紹介します。
DeepGPET は、3 つの臨床研究のデータ (AUC=0.9994、Dice=0.9664、ピアソン相関は脈絡膜厚さについて 0.8908、脈​​絡膜面積について 0.9082) で GPET との優れた一致を達成しながら、画像あたりの平均処理時間を 34.49 秒 ($\pm) から短縮します。
標準的なラップトップ CPU で、すべての手動介入を排除すると、$15.09) から 1.25 秒 ($\pm$0.10) になります。
DeepGPET は、出版後に研究者が利用できるようになります。

要約(オリジナル)

Retinal vascular phenotypes, derived from low-cost, non-invasive retinal imaging, have been linked to systemic conditions such as cardio-, neuro- and reno-vascular disease. Recent high-resolution optical coherence tomography (OCT) allows imaging of the choroidal microvasculature which could provide more information about vascular health that complements the superficial retinal vessels, which current vascular phenotypes are based on. Segmentation of the choroid in OCT is a key step in quantifying choroidal parameters like thickness and area. Gaussian Process Edge Tracing (GPET) is a promising, clinically validated method for this. However, GPET is semi-automatic and thus requires time-consuming manual interventions by specifically trained personnel which introduces subjectivity and limits the potential for analysing larger datasets or deploying GPET into clinical practice. We introduce DeepGPET, which distils GPET into a neural network to yield a fully-automatic and efficient choroidal segmentation method. DeepGPET achieves excellent agreement with GPET on data from 3 clinical studies (AUC=0.9994, Dice=0.9664; Pearson correlation of 0.8908 for choroidal thickness and 0.9082 for choroidal area), while reducing the mean processing time per image from 34.49s ($\pm$15.09) to 1.25s ($\pm$0.10) on a standard laptop CPU and removing all manual interventions. DeepGPET will be made available for researchers upon publication.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google