Misaotra anao nitsidika ny Nature.com.Mampiasa kinova mpitety tranonkala manana fanohanana CSS voafetra ianao.Mba hahazoana traikefa tsara indrindra, manoro hevitra anao izahay hampiasa navigateur nohavaozina (na esory ny Compatibility Mode amin'ny Internet Explorer).Ho fanampin'izany, mba hiantohana ny fanohanana mitohy, dia asehoy ny tranokala tsy misy fomba sy JavaScript.
Sliders mampiseho lahatsoratra telo isaky ny slide.Ampiasao ny bokotra aoriana sy manaraka mba hivezivezena amin'ny slides, na ny bokotra mpanara-maso ny slides amin'ny farany mba hivezivezena amin'ny slide tsirairay.
Optical coherence tomographic angiography (OCTA) dia fomba vaovao amin'ny fijerena tsy misy invasive ny sambo retinal.Na dia manana fampiharana ara-pitsaboana marobe mampanantena aza ny OCTA, dia mbola sarotra ny mamaritra ny kalitaon'ny sary.Namolavola rafitra mifototra amin'ny fianarana lalina izahay tamin'ny alàlan'ny fanasokajiana tambajotra neural ResNet152 efa voaofana tamin'ny ImageNet mba hanasokajiana ny sary plexus capillary superficial avy amin'ny scan 347 amin'ny marary 134.Ireo sary ireo dia nodinihina tamin'ny tanana ihany koa ho fahamarinana marina tamin'ny alàlan'ny mpanonta tsy miankina roa ho an'ny modely fianarana voaara-maso.Satria mety miovaova arakaraka ny toe-javatra klinika na fikarohana ny fepetra takian'ny kalitaon'ny sary, dia modely roa no nampiofanina, ny iray ho an'ny fanekena sary avo lenta ary ny iray ho an'ny fanekena sary ambany kalitao.Ny modelin'ny tambajotra neural dia mampiseho faritra tena tsara eo ambanin'ny curve (AUC), 95% CI 0.96-0.99, \ (\ kappa \) = 0.81), izay tsara kokoa noho ny haavon'ny signal notaterin'ny milina (AUC = 0.82, 95). %CI).0,77–0,86, \(\kappa\) = 0,52 ary AUC = 0,78, 95% CI 0,73–0,83, \(\kappa\) = 0,27, tsirairay avy).Ny fandinihanay dia mampiseho fa ny fomba fianarana milina dia azo ampiasaina hamoronana fomba fanaraha-maso kalitao mora sy matanjaka ho an'ny sary OCTA.
Optical coherence tomographic angiography (OCTA) dia teknika somary vaovao mifototra amin'ny Optical coherence tomography (OCT) izay azo ampiasaina amin'ny tsy invasive maso ny retinal microvasculature.Ny OCTA dia mandrefy ny fahasamihafan'ny lamin'ny fisaintsainana avy amin'ny fiposahan'ny hazavana miverimberina ao amin'ny faritra mitovy amin'ny temimaso, ary ny fanamboarana dia azo atao kajy mba hampisehoana ny lalan-drà tsy misy fampiasana loko na zavatra hafa mifanohitra.Ny OCTA ihany koa dia mamela ny famakafakana lalina momba ny vascular, mamela ny mpitsabo handinika manokana ny sosona ambony sy lalina, manampy amin'ny fanavahana ny aretina chorioretinal.
Na dia mampanantena aza ity teknika ity, ny fiovaovan'ny kalitaon'ny sary dia mijanona ho fanamby lehibe ho an'ny famakafakana sary azo ianteherana, mahatonga ny fandikana sary ho sarotra ary manakana ny fananganana klinika miely patrana.Satria ny OCTA dia mampiasa scan OCT maromaro misesy, dia mora kokoa amin'ny artifact sary noho ny OCT mahazatra.Ny ankamaroan'ny sehatra OCTA ara-barotra dia manome ny mari-pamantarana momba ny kalitaon'ny sary antsoina hoe Signal Strength (SS) na indraindray Signal Strength Index (SSI).Na izany aza, ny sary manana sanda SS na SSI avo dia tsy miantoka ny tsy fisian'ny artifacts sary, izay mety hisy fiantraikany amin'ny famakafakana sary manaraka ary hitarika amin'ny fanapahan-kevitra ara-pitsaboana diso.Ny artifacts sary mahazatra mety hitranga amin'ny sary OCTA dia ahitana artifacts mihetsika, artifacts segmentation, artifacts opacity media, ary artifacts projection1,2,3.
Satria ny fepetra azo avy amin'ny OCTA toy ny hakitroky ny lalan-drà dia mihamitombo hatrany amin'ny fikarohana fandikan-teny, ny fitsapana klinika ary ny fanao ara-pitsaboana, dia ilaina maika ny mamolavola fomba fanaraha-maso ny kalitaon'ny sary matanjaka sy azo itokisana mba hanafoanana ny artifacts4.Ny fifandraisana mandingana, fantatra ihany koa amin'ny hoe fifandraisana sisa, dia vinavina amin'ny rafitry ny tambajotra neural izay mamela ny vaovao handalo ny sosona convolutional raha mitahiry vaovao amin'ny mizana na fanapahan-kevitra samihafa5.Satria ny artifacts sary dia mety hisy fiantraikany amin'ny fampisehoana sary amin'ny ambaratonga kely sy amin'ny ankapobeny, ny tamba-jotra neural mifandray amin'ny skip dia mety tsara amin'ny fanaovana ho azy io asa fanaraha-maso kalitao5.Ny asa navoaka vao haingana dia naneho fampanantenana ho an'ny tambajotra neural convolutional lalina voaofana amin'ny fampiasana angon-drakitra avo lenta avy amin'ny mpamantatra ny olombelona6.
Amin'ity fandalinana ity, dia manofana tambajotra neural convolutional convolutional mifandray izahay mba hamaritana ho azy ny kalitaon'ny sary OCTA.Manorina amin'ny asa teo aloha izahay amin'ny alàlan'ny famolavolana modely misaraka mba hamantarana sary avo lenta sy sary ambany kalitao, satria mety tsy hitovy ny fepetra takian'ny kalitao ho an'ny toe-javatra klinika na fikarohana manokana.Mampitaha ny valin'ireo tambajotra ireo amin'ny tambajotra neural convolutional tsy misy fifandraisana tsy hita izahay mba hanombanana ny sandan'ny fampidirana ireo endri-javatra amin'ny ambaratonga maromaro ao anatin'ny fianarana lalina.Avy eo dia nampitahainay tamin'ny tanjaky ny mari-pamantarana ny valiny, fandrefesana mahazatra ny kalitaon'ny sary omen'ny mpanamboatra.
Ny fandinihanay dia nahitana ireo marary voan'ny diabeta nanatrika ny Yale Eye Center teo anelanelan'ny 11 aogositra 2017 sy 11 aprily 2019. Tsy tafiditra ao anatin'izany ireo marary voan'ny aretina chorioretinal tsy diabeta.Tsy nisy fepetra fampidirana na fanilihana mifototra amin'ny taona, lahy sy vavy, firazanana, kalitaon'ny sary, na antony hafa.
Ny sary OCTA dia azo tamin'ny alàlan'ny sehatra AngioPlex amin'ny Cirrus HD-OCT 5000 (Carl Zeiss Meditec Inc, Dublin, CA) eo ambanin'ny 8\(\times\)8 mm sy 6\(\times\)6 mm protocols imaging.Nahazoana alalana avy amin'ny mpandray anjara tsirairay avy amin'ny fianarana tsirairay ny fanomezan-dàlana handraisana anjara amin'ny fianarana, ary nankatoavin'ny Yale University Institutional Review Board (IRB) ny fampiasana ny fanekena vaovao miaraka amin'ny sary manerantany ho an'ireo marary rehetra ireo.Manaraka ny fitsipiky ny Fanambaran'i Helsinki.Ny fianarana dia nankatoavin'ny Yale University IRB.
Ny sary amin'ny takelaka dia nodinihina tamin'ny alàlan'ny Motion Artifact Score (MAS) voalaza teo aloha, ny Segmentation Artifact Score (SAS) voalaza teo aloha, ny foiben'ny foveal, ny fisian'ny opacity amin'ny haino aman-jery, ary ny fahitana tsara ny capillaries kely araka izay voafaritry ny evaluator sary.Ny sary dia nodinihin'ny mpandinika tsy miankina roa (RD sy JW).Ny sary dia manana naoty naoty 2 (mendrika) raha feno ireto fepetra manaraka ireto: ny sary dia eo afovoan'ny fovea (latsaky ny 100 pixel avy eo afovoan'ny sary), MAS dia 1 na 2, SAS dia 1, ary Latsaky ny 1 ny tsy fahampian'ny haino aman-jery. Aseho amin'ny sary misy habe / 16, ary ny kapila kely dia hita amin'ny sary lehibe kokoa noho ny 15/16.Ny sary iray dia nomena naoty 0 (tsy misy naoty) raha misy amin'ireto fepetra manaraka ireto no feno: tsy eo afovoany ny sary, raha 4 ny MAS, raha 2 ny SAS, na lehibe noho ny 1/4 amin'ny sary ny salan'isa salantsalany, ary ny capillaries kely dia tsy azo ahitsy mihoatra ny 1 sary / 4 hanavaka.Ny sary hafa rehetra tsy mahafeno ny fepetra naoty 0 na 2 dia isaina ho 1 (clipping).
Ao amin'ny fig.Ny 1 dia mampiseho sary santionany ho an'ny tombantombana mizana sy artifacts sary tsirairay.Ny fahamendrehan'ny isa tsirairay dia nodinihina tamin'ny lanjan'ny kappa nataon'i Cohen8.Ny isa tsirairay avy amin'ny naoty tsirairay dia fintinina mba hahazoana isa ankapobeny ho an'ny sary tsirairay, manomboka amin'ny 0 ka hatramin'ny 4. Ny sary misy naoty 4 dia heverina ho tsara.Ny sary manana isa totalin'ny 0 na 1 dia heverina ho ambany kalitao.
Ny ResNet152 architecture convolutional neural network (sary 3A.i) efa voaofana mialoha amin'ny sary avy amin'ny angon-drakitra ImageNet dia novolavolaina tamin'ny fampiasana fast.ai sy ny PyTorch framework5, 9, 10, 11. Ny tamba-jotra neural convolutional dia tambajotra iray mampiasa ny fianarana. sivana ho an'ny fitarafana sombin-tsary mba handalinana ireo endri-javatra habakabaka sy eo an-toerana.Ny ResNet voaofanay dia tamba-jotra neural 152 sosona miavaka amin'ny banga na "fifandraisana sisa" izay mampita vaovao miaraka amin'ny fanapahan-kevitra maro.Amin'ny alàlan'ny famolavolana vaovao amin'ny fanapahan-kevitra samihafa amin'ny tambajotra, ny sehatra dia afaka mianatra ny endriky ny sary ambany kalitao amin'ny ambaratonga maromaro.Ho fanampin'ny maodely ResNet, dia nampiofanay ihany koa ny AlexNet, rafitry ny tambajotra neural nodinihina tsara, tsy misy fifandraisana tsy hita raha ampitahaina (sary 3A.ii)12.Raha tsy misy fifandraisana tsy hita, ity tambajotra ity dia tsy afaka maka endri-javatra amin'ny granularity ambony kokoa.
Ny sary 8\(\times\)8mm OCTA13 tany am-boalohany dia nohatsaraina tamin'ny fampiasana teknika fisaintsainana mitsivalana sy mitsangana.Ny angon-drakitra feno dia nozaraina kisendrasendra amin'ny haavon'ny sary ho fanofanana (51.2%), fitsapana (12.8%), fanamafisam-peo hyperparameter (16%) ary fanamarinana (20%) datasets amin'ny alàlan'ny scikit-learn toolbox python14.Tranga roa no nodinihina, ny iray dia nifototra tamin'ny fijerena ireo sary avo indrindra (naoty ankapobeny 4) ary ny iray kosa nifototra tamin'ny fijerena ireo sary ambany indrindra (naoty 0 na 1 amin'ny ankapobeny).Ho an'ny tranga fampiasana avo lenta sy ambany kalitao, ny tamba-jotra neural dia averina indray mandeha amin'ny angona sary.Amin'ny tranga fampiasana tsirairay, ny tamba-jotra neural dia nampiofanina nandritra ny vanim-potoana 10, ny rehetra afa-tsy ny lanja ambony indrindra dia nivaingana, ary ny lanjan'ny paramètre anatiny rehetra dia nianatra nandritra ny vanim-potoana 40 tamin'ny fampiasana fomba fianarana manavakavaka miaraka amin'ny fatiantoka cross-entropy 15, 16..Ny asa fatiantoka cross entropy dia fandrefesana ny mari-pamantarana logaritma amin'ny tsy fitovian-kevitra eo amin'ny etikety tambajotra sy ny angona tena izy.Mandritra ny fiofanana, ny fidinana miandalana dia atao amin'ny mari-pamantarana anatiny ao amin'ny tambajotra neural mba hampihenana ny fatiantoka.Ny tahan'ny fianarana, ny tahan'ny fialan-tsasatra ary ny hyperparametera fampihenana lanja dia namboarina tamin'ny fampiasana Bayesian optimization miaraka amin'ny teboka fanombohana 2 kisendrasendra sy 10, ary ny AUC amin'ny angon-drakitra dia namboarina tamin'ny fampiasana ny hyperparameter ho tanjona 17.
Ohatra solontenan'ny sary 8 × 8 mm OCTA amin'ny plexus capillary superficial dia nahazo isa 2 (A, B), 1 (C, D), ary 0 (E, F).Ny artifacts sary aseho dia ahitana tsipika mitsilopilopy (zana-tsipìka), artifacts fanazarana (asteriska), ary tsy fahampian'ny media (zana-tsipìka).Ny sary (E) dia tsy eo afovoany ihany koa.
Avy eo dia amboarina ho an'ny maodely tambajotra neural rehetra ny curve receiver operational (ROC), ary ny tatitry ny tanjaky ny motera dia avoaka ho an'ny tranga fampiasana ambany kalitao sy avo lenta.Ny faritra eo ambanin'ny curve (AUC) dia nokajiana tamin'ny alàlan'ny fonosana pROC R, ary ny elanelan'ny fahatokisana 95% sy ny p-values ​​dia kajy tamin'ny alàlan'ny fomba DeLong18,19.Ny naoty mitambatra ho an'ny mpanonta olombelona dia ampiasaina ho toy ny fototra ho an'ny kajy ROC rehetra.Ho an'ny tanjaky ny mari-pamantarana notaterin'ny milina, ny AUC dia nokajiana indroa: indray mandeha ho an'ny fanapahana Score Scalability avo lenta ary indray mandeha ho an'ny fanapahana Score Scalability ambany kalitao.Ny tambajotra neural dia ampitahaina amin'ny tanjaky ny mari-pamantarana AUC izay maneho ny fepetra fanofanana sy fanombanana azy manokana.
Mba hitsapana bebe kokoa ny maodely fianarana lalina voaofana amin'ny angon-drakitra misaraka, dia nampiharina mivantana ny maodely avo lenta sy ambany kalitao amin'ny fanombanana ny fahombiazan'ny sary feno 32 6\(\times\) 6mm ambonin'ny tany nangonina avy amin'ny Oniversite Yale.Ny Mass Mass dia ifotony miaraka amin'ny sary 8 \(\times \) 8 mm.Ny sary 6\(\×\) 6 mm dia nodinihina tamin'ny tanana tamin'ny alalan'ny mpanisa mitovy (RD sy JW) mitovy amin'ny sary 8\(\×\) 8 mm, kajy ny AUC ary koa ny fahitsiana ary ny kappa an'i Cohen. .mitovy .
Ny tahan'ny tsy fifandanjan'ny kilasy dia 158:189 (\(\rho = 1.19\)) ho an'ny maodely ambany kalitao ary 80:267 (\(\rho = 3.3\)) ho an'ny maodely avo lenta.Satria ny tahan'ny tsy fifandanjan'ny kilasy dia latsaky ny 1: 4, dia tsy nisy fiovana ara-drafitra manokana natao hanitsiana ny tsy fifandanjan'ny kilasy20,21.
Mba hijerena tsara kokoa ny fizotran'ny fianarana, dia nisy sarintany fampahavitrihana kilasy natao ho an'ireo modely fianarana lalina efatra efa voaofana: maodely ResNet152 avo lenta, modely ResNet152 ambany kalitao, modely AlexNet avo lenta, ary modely AlexNet ambany kalitao.Ny sarintany fampahavitrihana kilasy dia amboarina avy amin'ny sosona convolutional miditra amin'ireo maodely efatra ireo, ary ny sarintany hafanana dia amboarina amin'ny alàlan'ny fametahana sarintany fampahavitrihana miaraka amin'ny sary loharano avy amin'ny seta fanamarinana 8 × 8 mm sy 6 × 6 mm22, 23.
R version 4.0.3 dia nampiasaina ho an'ny kajy statistika rehetra, ary ny sary dia noforonina tamin'ny fampiasana ny fitahirizam-pitaovana sary ggplot2.
Nanangona sary 347 eo anoloana amin'ny plexus capillary superficial mirefy 8 \(\times \)8 mm avy amin'ny olona 134 izahay.Ny milina dia nitatitra ny tanjaky ny mari-pamantarana amin'ny ambaratonga 0 ka hatramin'ny 10 ho an'ny sary rehetra (midika = 6.99 ± 2.29).Amin'ireo sary 347 azo dia 58.7 ± 14.6 taona ny salan-taona amin'ny fanadinana, ary 39.2% dia avy amin'ny marary lahy.Amin'ny sary rehetra, 30,8% dia avy amin'ny Caucasians, 32,6% avy amin'ny mainty hoditra, 30,8% avy amin'ny Hispanika, 4% avy amin'ny Aziatika, ary 1,7% avy amin'ny foko hafa (Table 1).).Ny fizarana taonan'ny marary amin'ny OCTA dia samy hafa be arakaraka ny kalitaon'ny sary (p <0.001).Ny isan-jaton'ny sary avo lenta amin'ny marary tanora 18-45 taona dia 33.8% raha oharina amin'ny 12.2% amin'ny sary ambany kalitao (Table 1).Ny fizarana ny satan'ny retinopathy diabetika dia miovaova be ihany koa amin'ny kalitaon'ny sary (p <0.017).Amin'ireo sary avo lenta rehetra, ny isan-jaton'ny marary manana PDR dia 18.8% raha oharina amin'ny 38.8% amin'ny sary ambany kalitao rehetra (Table 1).
Ny salan'isa tsirairay amin'ny sary rehetra dia mampiseho ny fahamendrehana eo anelanelan'ny olona mamaky ny sary (Cohen's weighted kappa = 0.79, 95% CI: 0.76-0.82), ary tsy nisy teboka sary izay tsy mitovy amin'ny 1 (sary 1). 2A)..Ny hamafin'ny famantarana dia mifandray be dia be amin'ny scoring amin'ny tanana (pearson product moment correlation = 0.58, 95% CI 0.51-0.65, p <0.001), saingy maro ny sary no fantatra fa manana mari-pamantarana avo lenta fa ambany ny mari-pamantarana manual (sary .2B).
Nandritra ny fanofanana ny rafitra ResNet152 sy AlexNet, ny fahaverezan'ny cross-entropy amin'ny fanamarinana sy ny fiofanana dia mianjera amin'ny vanim-potoana 50 (sary 3B, C).Ny fahamarinan'ny fanamarinana amin'ny vanim-potoana fanofanana farany dia mihoatra ny 90% ho an'ny tranga fampiasana avo lenta sy ambany.
Ny curve fampisehoana mpandray dia mampiseho fa ny modely ResNet152 dia mihoatra lavitra noho ny herin'ny famantarana notaterin'ny milina amin'ny tranga fampiasana ambany sy avo lenta (p <0.001).Ny modely ResNet152 ihany koa dia manasongadina ny maritrano AlexNet (p = 0.005 ary p = 0.014 ho an'ny tranga ambany sy avo lenta).Ny maodely vokatra ho an'ny tsirairay amin'ireo asa ireo dia afaka nahatratra ny soatoavin'ny AUC 0.99 sy 0.97, izay tsara kokoa noho ny sanda AUC mifanaraka amin'ny 0.82 sy 0.78 ho an'ny mari-pamantarana tanjaky ny milina na 0.97 sy 0.94 ho an'ny AlexNet ..(sary 3).Ny fahasamihafana eo amin'ny ResNet sy ny AUC amin'ny tanjaky ny famantarana dia ambony kokoa rehefa mahafantatra sary avo lenta, izay manondro tombony fanampiny amin'ny fampiasana ResNet amin'ity asa ity.
Asehon'ireo sary ireo ny fahaizan'ny mpanonta tsy miankina tsirairay amin'ny isa sy ny fampitahana amin'ny tanjaky ny famantarana notaterin'ny milina.(A) Ny fitambaran'ny isa hotombana dia ampiasaina hamoronana ny fitambaran'ny isa hotombanana.Ny sary manana naoty scalability ankapobeny 4 dia omena kalitao avo lenta, raha ny sary manana naoty scalability ankapobeny 1 na latsaka dia omena kalitao ambany.(B) Ny hamafin'ny famantarana dia mifandray amin'ny tombantombana amin'ny tanana, fa ny sary miaraka amin'ny hamafin'ny famantarana avo dia mety ho ratsy kalitao.Ny tsipika misy teboka mena dia manondro ny tokonam-baravaran'ny kalitao naroson'ny mpanamboatra mifototra amin'ny tanjaky ny famantarana (hery famantarana \(\ge\)6).
Ny fianarana famindrana ResNet dia manome fanatsarana lehibe amin'ny famantarana ny kalitaon'ny sary ho an'ny tranga fampiasana ambany kalitao sy avo lenta raha ampitahaina amin'ny haavon'ny famantarana ny milina.(A) Diagrama maritrano tsotsotra amin'ny maritrano efa voaofana (i) ResNet152 sy (ii) AlexNet.(B) Tantaran'ny fampiofanana sy ny curve fampisehoana mpandray ho an'ny ResNet152 raha oharina amin'ny milina nitatitra ny tanjaky ny famantarana sy AlexNet fepetra ambany kalitao.(C) ResNet152 tantara fanofanana mpandray sy ny curve fampisehoana raha oharina amin'ny milina nitatitra tanjaky ny famantarana sy AlexNet fepetra avo lenta.
Taorian'ny fanitsiana ny fetran'ny fetran'ny fanapahan-kevitra, ny fahamarinan'ny faminaniana ambony indrindra amin'ny modely ResNet152 dia 95.3% ho an'ny tranga ambany kalitao ary 93.5% ho an'ny tranga avo lenta (Table 2).Ny fahamarinan'ny faminaniana ambony indrindra amin'ny modely AlexNet dia 91.0% ho an'ny tranga ambany kalitao ary 90.1% ho an'ny tranga avo lenta (Table 2).Ny mari-pahaizana ambony indrindra amin'ny faminaniany dia 76.1% ho an'ny tranga fampiasana ambany kalitao ary 77.8% ho an'ny tranga fampiasana avo lenta.Araka ny voalazan'ny kappa an'i Cohen (\(\kappa\)), ny fifanarahana eo amin'ny modely ResNet152 sy ny vinavina dia 0.90 ho an'ny tranga ambany kalitao ary 0.81 ho an'ny tranga avo lenta.Ny AlexNet kappa an'i Cohen dia 0.82 sy 0.71 ho an'ny tranga fampiasana ambany kalitao sy avo lenta.Ny tanjaky ny kappa famantarana Cohen dia 0.52 sy 0.27 ho an'ny tranga fampiasana ambany sy avo lenta.
Ny fanamarinana ny modely avo lenta sy ambany kalitao amin'ny sary 6\(\x\) amin'ny takelaka fisaka 6 mm dia mampiseho ny fahaizan'ny modely voaofana hamaritana ny kalitaon'ny sary amin'ny mari-pamantarana sary samihafa.Rehefa mampiasa takelaka marivo 6\(\x\) 6 mm ho an'ny kalitaon'ny sary, ny maodely ambany kalitao dia nanana AUC 0.83 (95% CI: 0.69–0.98) ary ny modely avo lenta dia nanana AUC 0.85.(95% CI: 0.55–1.00) (Tabilao 2).
Ny fanaraha-maso maso ny sarintany fampahavitrihana ny sarin'ny sarin'asa dia nampiseho fa ny tambajotra neural voaofana rehetra dia nampiasa endri-tsary nandritra ny fanasokajiana sary (sary 4A, B).Ho an'ny sary 8 \(\times \) 8 mm sy 6 \(\times \) 6 mm, ny sary mihetsika ResNet dia manaraka akaiky ny vasculature retina.Ny sarintany fampahavitrihana AlexNet ihany koa dia manaraka ny sambo retina, saingy miaraka amin'ny fanapahan-kevitra sarotra kokoa.
Ny sarintany fampahavitrihana kilasy ho an'ny modely ResNet152 sy AlexNet dia manasongadina ireo endri-javatra mifandraika amin'ny kalitaon'ny sary.(A) Sarintany fampahavitrihana kilasy mampiseho fampahavitrihana mirindra aorian'ny vasculature temimaso ambony amin'ny sary fanamarinana 8 \(\times \) 8 mm ary (B) amin'ny sary fanamarinana 6 \ (\times \) 6 mm kely kokoa.Modely LQ voaofana amin'ny fepetra ambany kalitao, modely HQ voaofana amin'ny fepetra avo lenta.
Efa naseho teo aloha fa ny kalitaon'ny sary dia mety hisy fiantraikany lehibe amin'ny famaritana ny sary OCTA.Ankoatra izany, ny fisian'ny retinopathy dia mampitombo ny isan'ny artifacts sary7,26.Raha ny marina, ao amin'ny angon-drakitray, mifanaraka amin'ny fanadihadiana teo aloha, dia nahita fifandraisana manan-danja eo amin'ny fitomboan'ny taona sy ny hamafin'ny aretina amin'ny retina ary ny fahasimban'ny kalitaon'ny sary (p <0.001, p = 0.017 ho an'ny taona sy ny DR status, tsirairay avy; Table 1) 27 .Ny ankamaroan'ny fanadihadiana mamakafaka ny sary OCTA dia mampiasa ny mari-pamantarana taterin'ny milina mba hanalana ny sary ambany kalitao.Na dia hita fa misy fiantraikany amin'ny fampitomboana ny mari-pamantarana OCTA aza ny hamafin'ny famantarana, ny hamafin'ny famantarana avo lenta fotsiny dia mety tsy ampy hanilihana ny sary miaraka amin'ny artifacts2,3,28,29.Noho izany dia ilaina ny mamolavola fomba azo antoka kokoa amin'ny fanaraha-maso ny kalitaon'ny sary.Amin'izany tanjona izany dia manombatombana ny fahombiazan'ny fomba fianarana lalina manara-maso amin'ny tanjaky ny famantarana notaterin'ny milina.
Namolavola modely maromaro izahay hanombanana ny kalitaon'ny sary satria mety manana fepetra takian'ny kalitaon'ny sary ny tranga fampiasana OCTA samihafa.Ohatra, ny sary dia tokony ho ambony kalitao.Fanampin'izany, zava-dehibe ihany koa ny mari-pamantarana manokana momba ny fahalianana.Ohatra, ny faritry ny foveal avascular zone dia tsy miankina amin'ny fikorontanan'ny media tsy afovoany, fa misy fiantraikany amin'ny hakitroky ny sambo.Na dia mbola mifantoka amin'ny fomba fijery ankapobeny momba ny kalitaon'ny sary aza ny fikarohana ataontsika, tsy mifamatotra amin'ny fepetra takian'ny fitsapana manokana, fa natao hanoloana mivantana ny tanjaky ny famantarana notaterin'ny milina, dia manantena izahay fa hanome fifehezana bebe kokoa ny mpampiasa mba hahafahan'izy ireo manara-maso azy ireo. afaka misafidy ny metrika manokana mahaliana ny mpampiasa.mifidy modely izay mifanaraka amin`ny ambaratonga ambony indrindra ny sary artifacts heverina ho azo ekena.
Ho an'ny sehatra ambany kalitao sy avo lenta, dia mampiseho fampisehoana tsara ny tambajotra neural convolutional lalina tsy misy fifandraisana, miaraka amin'ny AUCs 0.97 sy 0.99 ary modely ambany kalitao.Asehonay ihany koa ny fahombiazan'ny fomba fianarana lalina ataonay raha ampitahaina amin'ny haavon'ny famantarana notaterin'ny milina ihany.Mamela ny tambajotran'ny neural hianatra endri-javatra amin'ny antsipiriany maro kokoa ny tambajotran'ny skip, maka endrika tsara kokoa amin'ny sary (oh.Satria ny artifacts sary izay misy fiantraikany amin'ny kalitaon'ny sary dia azo fantarina tsara indrindra amin'ny sehatra midadasika, ny rafitry ny tambajotra neural miaraka amin'ny fifandraisana tsy hita dia mety mampiseho fampisehoana tsara kokoa noho ireo tsy manana asa famaritana ny kalitaon'ny sary.
Rehefa nanandrana ny modelyy tamin'ny sary OCTA 6\(\×6mm) izahay, dia nahatsikaritra ny fihenan'ny fampisehoana fanasokajiana ho an'ny maodely avo lenta sy ambany kalitao (sary 2), mifanohitra amin'ny haben'ny modely voaofana ho fanasokajiana.Raha oharina amin'ny modely ResNet, ny modely AlexNet dia manana fianjerana lehibe kokoa.Ny fahombiazan'ny ResNet somary tsara kokoa dia mety noho ny fahafahan'ny fifandraisana sisa amin'ny fampitana vaovao amin'ny mizana maro, izay mahatonga ny maodely ho matanjaka kokoa amin'ny fanasokajiana ny sary nalaina tamin'ny mizana sy/na fanamafisam-peo samihafa.
Ny fahasamihafana sasany eo amin'ny sary 8 \(\×\) 8 mm sy 6 \(\×\) 6 mm dia mety hitarika ho amin'ny fanasokajiana ratsy, ao anatin'izany ny ampahany betsaka amin'ny sary misy faritra avascular foveal, fiovan'ny fahitana, arcades vascular, ary tsy misy nerve optique amin'ny sary 6 × 6 mm.Na dia eo aza izany, ny modely ResNet avo lenta dia afaka nahatratra AUC 85% ho an'ny sary 6 \(\x\) 6 mm, fanamafisana izay tsy nampiofanina ny modely, nanoro hevitra fa ny fampahalalana momba ny kalitaon'ny sary dia voakodia ao amin'ny tambajotra neural. dia mety.ho an'ny haben'ny sary na ny fanefena milina ivelan'ny fampiofanana azy (Tabilao 2).Fanomezana toky, ResNet- sy AlexNet-tahaka ny sari-tany fampahavitrihana ny 8 \ (\times \) 8 mm sy 6 \ (\times \) 6 mm sary dia afaka nanasongadina ny sambo retinal amin'ireo tranga roa ireo, nanoro hevitra fa ny modely dia manana fampahalalana manan-danja.dia azo ampiharina amin'ny fanasokajiana ireo karazana sary OCTA roa (sary 4).
Lauerman et al.Ny fanombanana ny kalitaon'ny sary amin'ny sary OCTA dia natao toy izany koa tamin'ny fampiasana ny maritrano Inception, tambajotra neural convolutional 6,32 hafa mifandray amin'ny fampiasana teknika fianarana lalina.Noferan'izy ireo ihany koa ny fianarana amin'ny sarin'ny plexus capillary superficial, fa ny fampiasana sary kely 3 × 3 mm avy amin'ny Optovue AngioVue ihany, na dia misy marary amin'ny aretina chorioretinal isan-karazany aza.Miorina amin'ny fototr'izy ireo ny asantsika, ao anatin'izany ny maodely maro mba hamahana ireo fetran'ny kalitaon'ny sary isan-karazany ary hanamarina ny vokatra ho an'ny sary misy habe samihafa.Mitatitra ihany koa ny mari-pamantarana AUC amin'ny maodely fianarana milina izahay ary mampitombo ny fahamarinany efa manaitra (90%)6 ho an'ny maodely ambany kalitao (96%) sy avo lenta (95.7%)6.
Misy fetra maromaro io fiofanana io.Voalohany, ny sary dia azo tamin'ny milina OCTA tokana, anisan'izany ny sarin'ny plexus capillary superficial amin'ny 8\(\times\)8 mm sy 6\(\times\)6 mm.Ny antony hanilihana ny sary amin'ny sosona lalina kokoa dia ny hoe ny artifacts projection dia afaka manasarotra ny fanombanana ny sary amin'ny tanana ary mety tsy mifanaraka kokoa.Ankoatr'izay, ny sary dia tsy nahazo afa-tsy tamin'ny marary diabeta, izay nipoiran'ny OCTA ho fitaovana diagnostika sy prognostika manan-danja33,34.Na dia afaka nanandrana ny maodely tamin'ny sary misy habe samihafa aza izahay mba hahazoana antoka fa matanjaka ny valiny, dia tsy afaka namantatra ny angona sahaza avy amin'ny foibe samihafa izahay, izay nametra ny fanombanana ny fahafahan'ny modely.Na dia avy amin'ny foibe iray ihany aza ny sary dia azo avy amin'ny marary avy amin'ny foko sy foko samihafa, izay hery miavaka amin'ny fandalinanay.Amin'ny fampidirana ny fahasamihafàna amin'ny dingana fanofanana anay, manantena izahay fa ho ankapobe amin'ny lafiny midadasika kokoa ny vokatray, ary hisoroka ny fitongilanana ara-poko amin'ireo modely ampiofanay.
Ny fandinihanay dia mampiseho fa ny tamba-jotra neural mifandray amin'ny fifandraisana dia azo ampiofanina mba hahazoana fahombiazana ambony amin'ny famaritana ny kalitaon'ny sary OCTA.Izahay dia manome ireto modely ireto ho fitaovana hanaovana fikarohana fanampiny.Satria ny metrika samihafa dia mety manana fepetra takian'ny kalitaon'ny sary, dia azo amboarina ho an'ny metrika tsirairay ny modely fanaraha-maso ny kalitao tsirairay amin'ny fampiasana ny rafitra napetraka eto.
Ny fikarohana amin'ny ho avy dia tokony ahitana sary misy habe samihafa avy amin'ny halalin'ny samy hafa sy milina OCTA samihafa mba hahazoana dingana fanombanana ny kalitaon'ny sary fianarana lalina izay azo atao amin'ny ankapobeny amin'ny sehatra OCTA sy ny protocols imaging.Ny fikarohana amin'izao fotoana izao dia mifototra amin'ny fomba fianarana lalina voaara-maso izay mitaky fanombanana ny olombelona sy ny fanombanana sary, izay mety ho asa mafy sy mandany fotoana ho an'ny angona lehibe.Ho hita eo raha afaka manavaka tsara ny sary ambany kalitao sy ny sary avo lenta ny fomba fianarana lalina tsy misy fanaraha-maso.
Satria mitohy mivoatra ny teknolojia OCTA ary mitombo ny hafainganam-pandehan'ny scan, mety hihena ny isan'ny artifacts sary sy sary ratsy kalitao.Afaka manamaivana ireo fetra ireo ihany koa ny fanatsarana ny lozisialy, toy ny endri-javatra fanesorana artifact projection vao haingana.Na izany aza, olana maro no mijanona satria ny sary ho an'ny marary manana fikorontanana ratsy na ny fikorontanan'ny haino aman-jery dia miteraka tsy tapaka amin'ny artifacts sary.Satria lasa be mpampiasa kokoa amin'ny fitsapana klinika ny OCTA, ilaina ny fandinihana tsara mba hametrahana torolàlana mazava momba ny haavon'ny artifact sary azo ekena ho an'ny fanadihadiana sary.Ny fampiharana fomba fianarana lalina amin'ny sary OCTA dia manana fampanantenana lehibe ary ilaina ny fikarohana bebe kokoa amin'ity sehatra ity mba hamolavola fomba fiasa matanjaka amin'ny fanaraha-maso ny kalitaon'ny sary.
Ny kaody ampiasaina amin'ny fikarohana ankehitriny dia hita ao amin'ny tahiry octa-qc, https://github.com/rahuldhodapkar/octa-qc.Ny angon-drakitra novokarina sy/na nodinihina nandritra ny fandalinana ankehitriny dia azo avy amin'ny mpanoratra tsirairay avy amin'ny fangatahana ara-drariny.
Spaide, RF, Fujimoto, JG & Waheed, NK Image artifacts amin'ny angiography cohérence optika.Retina 35, 2163–2180 (2015).
Fenner, BJ et al.Famantarana ny endri-javatra imaging izay mamaritra ny kalitao sy ny reproducibility ny refin'ny plexus plexus retinal amin'ny angiography OCT.BR.J. Ophthalmol.102, 509–514 (2018).
Lauerman, JL et al.Ny fiantraikan'ny teknolojia fanaraha-maso maso amin'ny kalitaon'ny sary amin'ny angiography OCT amin'ny fihenan'ny macular mifandraika amin'ny taona.Andohalambo fasana.klinika.Exp.ophthalmology.255, 1535–1542 (2017).
Babyuch AS et al.Ny fandrefesana ny hakitroky ny kapilara OCTA dia ampiasaina hamantarana sy hanombanana ny ischemia macular.fandidiana maso.Retina Laser Imaging 51, S30–S36 (2020).
He, K., Zhang, X., Ren, S., ary Masoandro, J. Fianarana lalina sisa tavela ho an'ny fanekena sary.Tamin'ny taona 2016 tao amin'ny fihaonambe IEEE momba ny fahitana ny solosaina sy ny fanekena ny lamina (2016).
Lauerman, JL et al.Ny fanombanana ny kalitaon'ny sary angiografika OCT mandeha ho azy amin'ny alàlan'ny algorithm fianarana lalina.Andohalambo fasana.klinika.Exp.ophthalmology.257, 1641–1648 (2019).
Lauermann, J. et al.Ny fihanaky ny fahadisoana segmentation sy ny artifacts mihetsika ao amin'ny OCT angiography dia miankina amin'ny aretin'ny retina.Andohalambo fasana.klinika.Exp.ophthalmology.256, 1807–1816 (2018).
Pask, Adam et al.Pytorch: Fitehirizam-bokin'ny fianarana lalina tsy maintsy atao, avo lenta.Fanodinana mialoha ny vaovao momba ny neural.rafitra.32, 8026–8037 (2019).
Deng, J. et al.ImageNet: angon-drakitra sary an-tsarimihetsika lehibe.2009 IEEE Conference on Computer Vision and Pattern Recognition.248–255.(2009).
Krizhevsky A., Sutzkever I. ary Hinton GE Imagenet fanasokajiana mampiasa tambajotra neural convolutional lalina.Fanodinana mialoha ny vaovao momba ny neural.rafitra.25, 1 (2012).