深度学习算法在视网膜自荧光图像中精准测量地理萎缩进展
该研究开发了一种基于DeepLabV3+的深度学习算法,通过同时分析纵向获取的视网膜自荧光(FAF)图像对,实现了对地理萎缩(GA)区域的自动标注和生长率的精确测量。研究利用了AREDS2和METforMIN两项独立前瞻性临床试验的数据,共涉及174名AREDS2参与者和44名METforMIN参与者。结果显示,与手动专家标注相比,该算法在精度、召回率和Dice系数方面均有显著提升,并且在保持纵向一致性方面表现优异。这些改进对于减少测量变异性、有效评估临床试验结果具有重要意义。