Choroidalyzer: An open-source, end-to-end pipeline for choroidal analysis in optical coherence tomography

要約

目的: 脈絡膜領域、血管、中心窩をセグメント化し、脈絡膜の厚さ、面積、血管指数を導き出すためのオープンソースのエンドツーエンド パイプラインである Choroidalyzer を開発します。
方法: 5,600 件の OCT B スキャン (233 人の被験者、6 つの全身疾患コホート、3 つのデバイス タイプ、2 つのメーカー) を使用しました。
領域と血管のグランドトゥルースを生成するために、中心窩の位置に手動で注釈を付け、不正確なセグメンテーションを手動で修正した後、最先端の自動手法を使用しました。
U-Net 深層学習モデルをトレーニングして領域、血管、中心窩を検出し、中心窩中心の関心領域の脈絡膜の厚さ、面積、血管指数を計算しました。
内部および外部のテストセットにおけるセグメンテーションの一致（AUC、Dice）および脈絡膜メトリクスの一致（Pearson、Spearman、平均絶対誤差（MAE））を分析しました。
私たちは、外部テスト画像の小さなサブセットに対して Choroidalyzer と 2 台の手動グレーダーを比較し、誤差が大きいケースを調べました。
結果: Choroidalyzer は、標準的なラップトップで画像あたり 0.299 秒かかり、優れた領域 (Dice: 内部 0.9789、外部 0.9749)、非常に優れた血管セグメンテーション パフォーマンス (Dice: 内部 0.8817、外部 0.8703)、および優れた中心窩位置予測 (MAE: 内部 3.9) を達成しました。
ピクセル、外部 3.4 ピクセル）。
厚さ、面積、および血管指数のピアソン相関は、それぞれ 0.9754、0.9815、および 0.8285 (内部) / 0.9831、0.9779、0.7948 (外部) でした (すべて p<0.0001)。 Choroidalyzer と採点者との一致は、すべての測定基準にわたる採点者間の一致と同等でした。 結論: Choroidalyzer は、脈絡膜を正確にセグメント化し、厚さ、面積、血管指数を確実に抽出するオープンソースのエンドツーエンドのパイプラインです。 特に脈絡膜血管のセグメンテーションは難しく主観的な作業であるため、Choroidalyzer のような完全自動手法は客観性と標準化を提供する可能性があります。

要約(オリジナル)

Purpose: To develop Choroidalyzer, an open-source, end-to-end pipeline for segmenting the choroid region, vessels, and fovea, and deriving choroidal thickness, area, and vascular index. Methods: We used 5,600 OCT B-scans (233 subjects, 6 systemic disease cohorts, 3 device types, 2 manufacturers). To generate region and vessel ground-truths, we used state-of-the-art automatic methods following manual correction of inaccurate segmentations, with foveal positions manually annotated. We trained a U-Net deep-learning model to detect the region, vessels, and fovea to calculate choroid thickness, area, and vascular index in a fovea-centred region of interest. We analysed segmentation agreement (AUC, Dice) and choroid metrics agreement (Pearson, Spearman, mean absolute error (MAE)) in internal and external test sets. We compared Choroidalyzer to two manual graders on a small subset of external test images and examined cases of high error. Results: Choroidalyzer took 0.299 seconds per image on a standard laptop and achieved excellent region (Dice: internal 0.9789, external 0.9749), very good vessel segmentation performance (Dice: internal 0.8817, external 0.8703) and excellent fovea location prediction (MAE: internal 3.9 pixels, external 3.4 pixels). For thickness, area, and vascular index, Pearson correlations were 0.9754, 0.9815, and 0.8285 (internal) / 0.9831, 0.9779, 0.7948 (external), respectively (all p<0.0001). Choroidalyzer's agreement with graders was comparable to the inter-grader agreement across all metrics. Conclusions: Choroidalyzer is an open-source, end-to-end pipeline that accurately segments the choroid and reliably extracts thickness, area, and vascular index. Especially choroidal vessel segmentation is a difficult and subjective task, and fully-automatic methods like Choroidalyzer could provide objectivity and standardisation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google