#OCT诊断

深度学习在OCT诊断玻璃体视网膜淋巴瘤与非感染性葡萄膜炎中的应用

本研究旨在开发并验证一种可解释的深度学习模型，用于区分光学相干断层扫描（OCT）图像中的玻璃体视网膜淋巴瘤（VRL）和非感染性葡萄膜炎（NIU）。研究纳入45名VRL患者和52名NIU患者的SPECTRALIS OCT图像，通过自定义设计的深度卷积神经网络分类模型结合梯度加权类激活映射（Grad-CAM）进行分析。该模型在眼部水平上能够有效区分VRL和NIU，AUROC为76.0 ± 8.0，AUPRC为79.4 ± 10.4，准确率为75.4 ± 13.3。Grad-CAM热图显示，VRL特征包括前视网膜沉积物和视网膜色素上皮变化，而NIU特征则包括更密集的玻璃体细胞和混浊、视网膜前膜、视网膜内细胞以及符合NIU病理生理学的脉络膜和巩膜异常。该方法有望作为非侵入性的分诊工具，识别需要进一步确认性手术的患者。