UWF-RI2FA: Generating Multi-frame Ultrawide-field Fluorescein Angiography from Ultrawide-field Retinal Imaging Improves Diabetic Retinopathy Stratification

要約

超広視野フルオレセイン血管造影 (UWF-FA) は、周辺網膜病変を鮮明に視覚化することで、糖尿病性網膜症 (DR) の検出を容易にします。
しかし、潜在的なリスクを伴う静脈内色素注射がその応用を妨げています。
私たちは、生成人工知能（GenAI）を用いた非侵襲的UWF網膜イメージング（UWF-RI）から色素を含まないUWF-FA画像を取得し、DRスクリーニングにおけるその有効性を評価することを目指しています。
さまざまなフェーズの合計 18,321 枚の UWF-FA 画像が対応する UWF-RI 画像と登録され、トレーニングのために敵対的生成ネットワーク (GAN) ベースのモデルに入力されました。
生成された UWF-FA 画像の品質は、定量的なメトリクスと人間による評価によって評価されました。
DeepDRiD データセットは、結果メトリックとして受信者動作特性曲線下面積 (AUROC) を使用して、生成された UWF-FA 画像の DR 分類への寄与を外部評価するために使用されました。
生成された初期、中期、後期の UWF-FA 画像は、マルチスケール類似性スコアが 0.70 ～ 0.91 の範囲、定性的視覚スコアが 1.64 ～ 1.98 の範囲 (1 = 本物の UWF-FA 品質) という高い信頼性を実現しました。
ランダムに選択された 50 枚の画像では、生成された画像の 56% ～ 76% がチューリング テストで実際の画像と区別するのが困難でした。
さらに、生成されたこれらの UWF-FA 画像を DR 分類に追加すると、UWF-RI 画像を使用したベースライン モデルと比較して AUROC が 0.869 から 0.904 に大幅に増加しました (P < 0.001)。 このモデルは、静脈内色素注入を行わずに DR 層別化を強化するための現実的なマルチフレーム UWF-FA 画像を生成することに成功しました。

要約(オリジナル)

Ultrawide-field fluorescein angiography (UWF-FA) facilitates diabetic retinopathy (DR) detection by providing a clear visualization of peripheral retinal lesions. However, the intravenous dye injection with potential risks hamper its application. We aim to acquire dye-free UWF-FA images from noninvasive UWF retinal imaging (UWF-RI) using generative artificial intelligence (GenAI) and evaluate its effectiveness in DR screening. A total of 18,321 UWF-FA images of different phases were registered with corresponding UWF-RI images and fed into a generative adversarial networks (GAN)-based model for training. The quality of generated UWF-FA images was evaluated through quantitative metrics and human evaluation. The DeepDRiD dataset was used to externally assess the contribution of generated UWF-FA images to DR classification, using area under the receiver operating characteristic curve (AUROC) as outcome metrics. The generated early, mid, and late phase UWF-FA images achieved high authenticity, with multi-scale similarity scores ranging from 0.70 to 0.91 and qualitative visual scores ranging from 1.64 to 1.98 (1=real UWF-FA quality). In fifty randomly selected images, 56% to 76% of the generated images were difficult to distinguish from real images in the Turing test. Moreover, adding these generated UWF-FA images for DR classification significantly increased the AUROC from 0.869 to 0.904 compared to the baseline model using UWF-RI images (P < .001). The model successfully generates realistic multi-frame UWF-FA images for enhancing DR stratification without intravenous dye injection.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google