Comparison of retinal regions-of-interest imaged by OCT for the classification of intermediate AMD

要約

部分的な光干渉断層撮影 (OCT) データを使用して、つまり入力 B スキャンを特定の事前定義された関心領域 (ROI) に制限して、中間加齢黄斑変性症 (AMD) を健康な対照者と区別できるかどうかを研究する。
。
この研究では、269 人の中間型 AMD 患者と 115 人の正常被験者からの合計 15744 件の B スキャンが使用されました (被験者レベルで 80% のトレーニング、10% の検証、10% のテストに分割)。
各 OCT B スキャンから、網膜、網膜色素上皮 (RPE) とブルッフ膜 (BM) の間の複合体、および脈絡膜 (CHO) の 3 つの ROI が抽出されました。
これらの ROI は、マスキングとクロッピングという 2 つの異なる方法を使用して取得されました。
6 つの ROI に加えて、OCT B スキャン全体と RPE-BM 複合体のセグメンテーションに対応するバイナリ マスクが使用されました。
各サブセットについて、畳み込みニューラル ネットワーク (VGG16 アーキテクチャに基づき、ImageNet で事前トレーニング済み) がトレーニングされ、テストされました。
モデルのパフォーマンスは、受信者動作特性下面積 (AUROC)、精度、感度、特異性を使用して評価されました。
すべてのトレーニング済みモデルは、AUROC、精度、感度、特異度がそれぞれ 0.884、0.816、0.685、0.644 以上でした。
OCT B スキャン全体でトレーニングされたモデルは、最高のパフォーマンスを示しました (AUROC = 0.983、精度 = 0.927、感度 = 0.862、特異度 = 0.913)。
クロッピング法で得られた ROI でトレーニングされたモデルは、網膜組織を除き、マスキングで得られたものよりも有意に高い結果をもたらしました。網膜組織では、クロッピングとマスキングの間に統計的に有意な差は観察されませんでした (p = 0.47)。
この研究では、完全な OCT B スキャンを使用すると中型 AMD の分類に最高の精度が得られる一方で、RPE-BM 複合体や脈絡膜などの特定の ROI でトレーニングされたモデルでも高いパフォーマンスを達成できることが実証されました。

要約(オリジナル)

To study whether it is possible to differentiate intermediate age-related macular degeneration (AMD) from healthy controls using partial optical coherence tomography (OCT) data, that is, restricting the input B-scans to certain pre-defined regions of interest (ROIs). A total of 15744 B-scans from 269 intermediate AMD patients and 115 normal subjects were used in this study (split on subject level in 80% train, 10% validation and 10% test). From each OCT B-scan, three ROIs were extracted: retina, complex between retinal pigment epithelium (RPE) and Bruch membrane (BM), and choroid (CHO). These ROIs were obtained using two different methods: masking and cropping. In addition to the six ROIs, the whole OCT B-scan and the binary mask corresponding to the segmentation of the RPE-BM complex were used. For each subset, a convolutional neural network (based on VGG16 architecture and pre-trained on ImageNet) was trained and tested. The performance of the models was evaluated using the area under the receiver operating characteristic (AUROC), accuracy, sensitivity, and specificity. All trained models presented an AUROC, accuracy, sensitivity, and specificity equal to or higher than 0.884, 0.816, 0.685, and 0.644, respectively. The model trained on the whole OCT B-scan presented the best performance (AUROC = 0.983, accuracy = 0.927, sensitivity = 0.862, specificity = 0.913). The models trained on the ROIs obtained with the cropping method led to significantly higher outcomes than those obtained with masking, with the exception of the retinal tissue, where no statistically significant difference was observed between cropping and masking (p = 0.47). This study demonstrated that while using the complete OCT B-scan provided the highest accuracy in classifying intermediate AMD, models trained on specific ROIs such as the RPE-BM complex or the choroid can still achieve high performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google