• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>Scientific Reports >Detecting Retinal Nerve Fibre Layer Segmentation Errors on Spectral Domain-Optical Coherence Tomography with a Deep Learning Algorithm
【2h】

Detecting Retinal Nerve Fibre Layer Segmentation Errors on Spectral Domain-Optical Coherence Tomography with a Deep Learning Algorithm

机译：用深度学习算法在光谱域光学相干层析成像技术上检测视网膜神经纤维层分割错误

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this study we developed a deep learning (DL) algorithm that detects errors in retinal never fibre layer (RNFL) segmentation on spectral-domain optical coherence tomography (SDOCT) B-scans using human grades as the reference standard. A dataset of 25,250 SDOCT B-scans reviewed for segmentation errors by human graders was randomly divided into validation plus training (50%) and test (50%) sets. The performance of the DL algorithm was evaluated in the test sample by outputting a probability of having a segmentation error for each B-scan. The ability of the algorithm to detect segmentation errors was evaluated with the area under the receiver operating characteristic (ROC) curve. Mean DL probabilities of segmentation error in the test sample were 0.90 ± 0.17 vs. 0.12 ± 0.22 (P < 0.001) for scans with and without segmentation errors, respectively. The DL algorithm had an area under the ROC curve of 0.979 (95% CI: 0.974 to 0.984) and an overall accuracy of 92.4%. For the B-scans with severe segmentation errors in the test sample, the DL algorithm was 98.9% sensitive. This algorithm can help clinicians and researchers review images for artifacts in SDOCT tests in a timely manner and avoid inaccurate diagnostic interpretations.
机译：在这项研究中，我们开发了一种深度学习（DL）算法，该算法可使用人的等级作为参考标准，在光谱域光学相干断层扫描（SDOCT）B扫描上检测视网膜永不纤维层（RNFL）分割中的错误。由人类评分员审查的25,250个SDOCT B扫描数据集的分割错误被随机分为验证集，训练集（50％）和测试集（50％）。通过输出每个B扫描存在分割错误的可能性，在测试样本中评估DL算法的性能。使用接收器工作特性（ROC）曲线下方的面积评估了算法检测分段错误的能力。测试样本中的分割错误的平均DL概率为0.90±0.17，而有和没有分割错误的扫描的平均DL概率分别为0.12±0.22（P <0.001）。 DL算法的ROC曲线下面积为0.979（95％CI：0.974至0.984），总准确度为92.4％。对于测试样品中具有严重分割错误的B扫描，DL算法的敏感度为98.9％。该算法可以帮助临床医生和研究人员及时查看SDOCT测试中的伪影图像，并避免错误的诊断解释。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号