Faafetai mo le asiasi ile Nature.com.O lo'o e fa'aogaina se su'esu'ega e fa'atapula'aina le lagolago a le CSS.Mo le poto sili ona lelei, matou te fautuaina oe e te faʻaogaina se suʻesuʻega fou (pe faʻamalo le Faiga Faʻatasi i Internet Explorer).E le gata i lea, ina ia mautinoa le faʻaauauina o le lagolago, matou te faʻaalia le saite e aunoa ma sitaili ma JavaScript.
Fa'ase'e o lo'o fa'aalia tala e tolu ile fa'ata.Fa'aoga le pito i tua ma le isi ki e fa'asolo ai fa'ase'e, po'o fa'amau fa'ase'e i le pito e fa'asolo ai fa'ase'e ta'itasi.
Optical coherence tomographic angiography (OCTA) o se auala fou mo le le faʻaleagaina o vaʻaia o vaʻa retinal.E ui o le OCTA o loʻo i ai le tele o faʻamatalaga faʻapitoa faʻapitoa, o le fuafuaina o le lelei o ata e tumau pea o se luʻitau.Na matou atia'e se faiga fa'avae a'oa'oga loloto e fa'aaoga ai le ResNet152 neural network classifier na mua'i a'oa'oina ma ImageNet e fa'avasega ai ata papa'u capillary plexus mai 347 su'ega o 134 gasegase.O ata sa su'esu'eina ma le lima o se mea moni moni e ni au fa'atatau tuto'atasi se to'alua mo se fa'ata'ita'iga a'oa'oga fa'atonutonu.Talu ai e mafai ona fesuisuiaʻi manaʻoga o ata e faʻatatau ile falemaʻi poʻo suʻesuʻega, e lua faʻataʻitaʻiga na aʻoaʻoina, tasi mo le maualuga o le faʻalauiloaina o ata ma le isi mo le faʻaalia o ata maualalo.O la matou faʻataʻitaʻiga fesoʻotaʻiga neural o loʻo faʻaalia ai se vaega sili ona lelei i lalo o le pupuni (AUC), 95% CI 0.96-0.99, \ (\ kappa \) = 0.81), lea e sili atu le lelei nai lo le faʻailoga o loʻo lipotia mai e le masini (AUC = 0.82, 95). % CI).0.77–0.86, \(\kappa\) = 0.52 ma AUC = 0.78, 95% CI 0.73-0.83, \(\kappa\) = 0.27, fa'asologa).O a matou suʻesuʻega o loʻo faʻaalia ai e mafai ona faʻaogaina auala e aʻoaʻo ai masini e atiaʻe ai auala faʻaleleia lelei ma malosi mo ata OCTA.
Optical coherence tomographic angiography (OCTA) o se auala fou e faʻavae i luga o le optical coherence tomography (OCT) e mafai ona faʻaogaina mo le faʻaogaina o le vaʻaia o le retinal microvasculature.Ole OCTA e fuaina le eseesega i mamanu faʻataʻitaʻiga mai faʻamalama faʻasolosolo i le vaega lava e tasi o le retina, ma toe faʻaleleia e mafai ona fuafua e faʻaalia ai toto toto e aunoa ma le faʻaogaina o vali poʻo isi mea faʻatusatusa.O le OCTA e mafai ai foi ona faʻataʻitaʻiina faʻataʻitaʻiga vaʻa loloto, e mafai ai e fomaʻi ona suʻesuʻe faʻatasi i luga o vaʻa papaʻu ma loloto, fesoasoani e vaʻavaʻai i le va o le maʻi chorioretinal.
E ui o lenei metotia o loʻo faʻamoemoeina, o le fesuiaiga o ata o loʻo tumau pea o se luʻitau tele mo suʻesuʻega ata faʻatuatuaina, faʻafaigata le faʻamatalaina o ata ma puipuia le faʻalauteleina o le vaetamaina o falemaʻi.Talu ai e fa'aogaina e le OCTA le tele o su'esu'ega o le OCT, e sili atu ona ma'ale'ale i meafai ata nai lo le OCT masani.Ole tele ole fa'asalalauga ole OCTA e tu'uina atu a latou lava fua fa'atatau o ata e ta'ua ole Malosi Fa'ailoga (SS) po'o nisi taimi Fa'asinoga Malosi Fa'ailoga (SSI).Ae ui i lea, o ata e maualuga le SS poʻo le SSI e le faʻamaonia ai le leai o ni faʻataʻitaʻiga ata, lea e mafai ona aʻafia ai soʻo se suʻesuʻega ata mulimuli ane ma oʻo atu ai i faʻaiʻuga a le falemaʻi le saʻo.O ata masani e mafai ona tupu ile OCTA fa'ata'ita'iga e aofia ai mea fa'agaioiga, mea fa'avaevae, mea fa'asalalau fa'asalalau, ma mea fa'ata'ita'i1,2,3.
A'o fa'atuputeleina le fa'aogaina ole OCTA e pei ole toto toto ile su'esu'ega fa'aliliuga, su'esu'ega fa'afoma'i ma fa'ata'ita'iga fa'afoma'i, o lo'o iai se mana'oga fa'anatinati e atia'e le malosi ma le fa'atuatuaina o faiga fa'atonutonu lelei o ata e fa'ate'aina ai ata4.Fa'ase'e feso'ota'iga, e ta'ua fo'i o feso'ota'iga toega, o fa'ata'ita'iga i le fausaga o feso'ota'iga neural e fa'ataga ai fa'amatalaga e fa'ase'ese ai fa'aputuga fa'atasi a'o teuina fa'amatalaga i fua eseese po'o fa'ai'uga5.Talu ai e mafai ona a'afia ata fa'atusa la'ititi ma lautele lapopo'a fa'atinoga, o feso'ota'iga fa'ase'e feso'ota'iga e fetaui lelei e fa'atosina ai lenei galuega fa'atonutonu lelei5.O galuega fa'asalalau talu ai nei ua fa'aalia ai nisi o folafolaga mo feso'ota'iga neural loloto fa'akomupiuta ua a'oa'oina i le fa'aogaina o fa'amaumauga maualuga mai tagata fa'atatau6.
I lenei su'esu'ega, matou te a'oa'oina se feso'ota'iga-fa'ase'e feso'ota'iga neural network e otometi lava ona iloa le lelei o ata OCTA.Matou te fausia i luga o galuega talu ai e ala i le atinaʻeina o faʻataʻitaʻiga eseese mo le faʻailoaina o ata maualuga ma ata maualalo, aua e ono eseese manaʻoga o ata mo faʻataʻitaʻiga faʻapitoa poʻo suʻesuʻega.Matou te faʻatusatusaina faʻaiuga o nei fesoʻotaʻiga ma fesoʻotaʻiga neural convolutional e aunoa ma le misi o fesoʻotaʻiga e iloilo ai le taua o le aofia ai o foliga i le tele o laʻasaga o granularity i totonu o le aʻoaʻoga loloto.Ona matou faʻatusatusaina lea o matou faʻaiʻuga i le malosi faʻailo, o se fuataga masani e talia o le lelei o ata na saunia e tagata gaosi oloa.
O la matou suʻesuʻega na aofia ai tagata mamaʻi e maua i le maʻisuka na auai i le Yale Eye Center i le va o Aokuso 11, 2017 ma Aperila 11, 2019. O tagata mamaʻi e maua i soʻo se faʻamaʻi chorioretinal e le o le maʻisuka na le aofia ai.E leai se fa'aaofia po'o le fa'a'esea fa'atatau e fa'atatau i tausaga, itupa, ta'aloga, ata lelei, po'o so'o se isi lava mea.
O ata o le OCTA na maua i le faʻaaogaina o le AngioPlex platform i luga o le Cirrus HD-OCT 5000 (Carl Zeiss Meditec Inc, Dublin, CA) i lalo ole 8\(\times\)8 mm ma le 6\(\times\)6 mm imaging protocols.O le faʻatagaga faʻamaonia mo le auai i le suʻesuʻega na maua mai i tagata suʻesuʻe taʻitoʻatasi, ma le Yale University Institutional Review Board (IRB) na faʻatagaina le faʻaogaina o le faʻatagaina faʻamaonia ma ata o le lalolagi mo nei gasegase uma.Mulimuli i mataupu faavae o le Tautinoga a Helsinki.O le suʻesuʻega na faʻamaonia e le Yale University IRB.
O ata o le laulau na iloiloina e faʻavae i luga o le faʻamatalaga muamua o le Motion Artifact Score (MAS), le faʻamatalaga muamua o le Segmentation Artifact Score (SAS), le nofoaga autu o le foveal, o le i ai o le opacity o le aufaasālalau, ma le vaʻaia lelei o capillaries laiti e pei ona fuafuaina e le suʻega ata.O ata na suʻesuʻeina e ni tagata suʻesuʻe tutoatasi (RD ma JW).O se ata e maua le togi o le 2 (agavaa) pe afai e ausia uma tulaga nei: ata e totonugalemu i le fovea (itiiti ifo i le 100 pixels mai le ogatotonu o le ata), MAS o le 1 poʻo le 2, SAS o le 1, ma opacity o ala o faasalalauga e itiiti ifo i le 1. O lo'o iai i luga o ata o lapopo'a / 16, ma tama'i capillaries o lo'o va'aia i ata e sili atu nai lo le 15/16.O se ata e fa'aigoaina 0 (leai se fa'ailoga) pe a fa'amalieina so'o se tulaga o lo'o i lalo: o le ata e le o totonugalemu, pe a MAS 4, pe a SAS o le 2, po'o le averesi opacity e sili atu i le 1/4 o le ata, ma e le mafai ona fetuunai capillaries laiti e sili atu i le 1 ata /4 e iloagofie ai.O isi ata uma e le o ausia le fa'ailoga 0 po'o le 2 o lo'o fa'ailogaina o le 1 (kipe).
I luga o le fig.1 o lo'o fa'aalia ata fa'ata'ita'i mo fua fa'atatau ma fa'ata'ita'iga.O le fa'atuatuaina o togi ta'ito'atasi na su'esu'eina e le mamafa o le kappa a Cohen8.O togi ta'ito'atasi o fa'ailoga ta'itasi e fa'aputuina ina ia maua ai le aofa'iga o sikoa mo ata ta'itasi, e amata mai i le 0 i le 4. O ata ma le aofa'i o le 4 e manatu lelei.O ata e iai le togi atoa o le 0 poʻo le 1 e manatu e maualalo le lelei.
O le ResNet152 architecture convolutional neural network (Fig. 3A.i) na muaʻi aʻoaʻoina i luga o ata mai le ImageNet database na gaosia e faʻaaoga ai le fast.ai ma le PyTorch framework5, 9, 10, 11. O se fesoʻotaʻiga neural convolutional o se fesoʻotaʻiga e faʻaogaina ai le aʻoaʻoina. filiga mo le su'esu'eina o vaega o ata e su'esu'e ai fa'afanua ma fa'alotoifale.O la matou ResNet aʻoaʻoina o se 152-layer neural network e faʻaalia i va poʻo "soʻotaga totoe" lea e tuʻuina atu faʻamatalaga faʻatasi ma le tele o iugafono.E ala i le faʻatulagaina o faʻamatalaga i faʻamatalaga eseese i luga o le fesoʻotaʻiga, e mafai e le faʻavae ona aʻoaʻoina foliga o ata maualalo i le tele o vaega o auiliiliga.I le faʻaopoopoga i la matou ResNet faʻataʻitaʻiga, matou te aʻoaʻoina foi AlexNet, o se fausaga fesoʻotaʻiga neural suʻesuʻe lelei, e aunoa ma le misi o fesoʻotaʻiga mo faʻatusatusaga (Ata 3A.ii)12.A aunoa ma le misia o feso'ota'iga, o le a le mafai e lenei feso'ota'iga ona pu'eina fa'aaliga i se tulaga maualuga atu.
O le uluai seti ata 8\(\times\)8mm OCTA13 ua fa'aleleia i le fa'aogaina o auala fa'ata'atia ma tu'u sa'o.O le faʻamaumauga atoa na vaeluaina faʻafuaseʻi i le tulaga o ata i aʻoaʻoga (51.2%), faʻataʻitaʻiga (12.8%), hyperparameter tuning (16%), ma le faʻamaonia (20%) faʻamaumauga e faʻaaoga ai le scikit-learn toolbox python14.E lua mataupu na iloiloina, o le tasi e faʻatatau i le suʻeina naʻo ata sili ona lelei (sikoa atoa 4) ma le isi e faʻatatau i le suʻeina naʻo ata pito sili ona maualalo (sikoa atoa 0 poʻo le 1).Mo tulaga fa'aoga ta'itasi maualuga ma maualalo, o le feso'otaiga neural e toe a'oa'oina tasi i luga oa tatou fa'amaumauga ata.I tulaga faʻaoga taʻitasi, na aʻoaʻoina ai le neural network mo le 10 epochs, o mea uma ae na o le maualuga o le mamafa o le mamafa na faʻamaʻaisa, ma o le mamafa o faʻamaufaʻailoga i totonu uma na aʻoaʻoina mo le 40 epochs e faʻaaoga ai se metotia faʻavasega aʻoaʻoga faʻatasi ai ma se galuega leiloa cross-entropy 15, 16..Ole galuega ole leiloa ole cross entropy ole fua ole fua logarithmic ole eseesega ile va ole igoa ole feso'otaiga vavalo ma fa'amatalaga moni.I le taimi o aʻoaʻoga, o le faʻasolosolo faʻasolosolo e faʻatinoina i luga o le pito i totonu o le neural network e faʻaitiitia ai le gau.Ole fua ole aʻoaʻoga, faʻamalo fua, ma faʻaitiitiga faʻaititia o le mamafa na faʻaogaina i le faʻaogaina o le Bayesian optimization faʻatasi ai ma le 2 amataga faʻafuaseʻi ma le 10 faʻasologa, ma le AUC i luga o faʻamaumauga na faʻaogaina e faʻaoga ai le hyperparameters e faʻatatau i le 17.
Faʻataʻitaʻiga faʻataʻitaʻiga o 8 × 8 mm OCTA ata o plexuses capillary papaʻu togi 2 (A, B), 1 (C, D), ma le 0 (E, F).O ata fa'ata'ita'i o lo'o fa'aalia e aofia ai laina emoemo (aū), fa'avasegaina mea (asterisks), ma fa'asalalauga fa'asalalau (aū).Ata (E) o lo'o tutotonu fo'i.
Ona fa'atupuina lea o pupuni o mea e fa'agaioi ai (ROC) mo fa'ata'ita'iga feso'ota'iga neural uma, ma fa'atupuina lipoti o le malosi o fa'ailo afi mo tulaga fa'aoga ta'itasi e maualalo ma maualuga.O le vaega i lalo o le pupuni (AUC) na fuafuaina e faʻaaoga ai le pROC R package, ma 95% faʻamaonia taimi ma p-taua na fuafuaina e faʻaaoga ai le DeLong method18,19.O togi fa'aputuga o fa'ailoga tagata e fa'aaogaina e fai ma fa'avae mo fa'atatauga uma a le ROC.Mo le malosi fa'ailo na lipotia mai e le masini, sa fa'alua ona fa'atatau le AUC: tasi mo le maualuga o le Scalability Score cutoff ma tasi mo le maualalo o le lelei Scalability Score cutoff.Ole fesoʻotaʻiga neural e faʻatusatusa ile malosi ole faailo ole AUC e atagia ai ana lava toleniga ma iloiloga.
Ina ia faʻataʻitaʻi atili le faʻataʻitaʻiga aʻoaʻoga loloto aʻoaʻoga i luga o se faʻamaumauga tuʻufaʻatasia, faʻataʻitaʻiga maualuga ma maualalo faʻataʻitaʻiga sa faʻaoga saʻo i iloiloga faʻatinoga o 32 foliga atoa 6\(\times\) ata 6mm luga o luga na aoina mai le Iunivesite o Yale.O le Mass o Mata e fa'atotonu i le taimi e tasi ma le ata 8 \(\taimi \) 8 mm.O ata 6\(\×\) 6 mm sa su'esu'eina ma le lima e fua tutusa (RD ma JW) i le faiga tutusa e pei o ata 8\(\×\) 8 mm, AUC sa fuafuaina fa'apea le sa'o ma le kappa a Cohen. .tutusa .
Ole fua ole paleni ole vasega ole 158:189 (\(\rho = 1.19\)) mo le fa'ata'ita'iga maualalo ma le 80:267 (\(\rho = 3.3\)) mo le fa'ata'ita'iga maualuga.Ona o le fua faatatau o le le paleni o vasega e itiiti ifo i le 1:4, e leai ni suiga fa'apitoa faufale na faia e fa'asa'o ai le le paleni o vasega20,21.
Ina ia va'aia lelei le fa'agasologa o le a'oa'oga, na fa'atupuina fa'afanua fa'ato'aga vasega mo fa'ata'ita'iga loloto a'oa'oga uma e fa: fa'ata'ita'iga ResNet152 maualuga, fa'ata'ita'iga ResNet152 maualalo, fa'ata'ita'iga AlexNet maualuga, ma fa'ata'ita'iga AlexNet maualalo.O fa'afanua o le fa'agaoioiga o vasega o lo'o fa'atupuina mai le fa'auluina o fa'ata'ita'iga o nei fa'ata'ita'iga e fa, ma o fa'afanua vevela e fa'atupuina e ala i le fa'apipi'iina o fa'afanua fa'agaoioi ma ata fa'apogai mai seti fa'amaonia 8 × 8 mm ma le 6 × 6 mm22, 23.
R version 4.0.3 sa fa'aogaina mo fa'atatauga fa'afuainumera uma, ma fa'aaliga na faia e fa'aaoga ai le ggplot2 graphic tool library.
Na matou aoina mai ata e 347 pito i luma o le plexus capillary papa'u e fua 8 \(\taimi \)8 mm mai le 134 tagata.Na lipotia e le masini le malosi o le faailo i luga o le fua o le 0 i le 10 mo ata uma (o lona uiga = 6.99 ± 2.29).Mai le 347 ata na maua, o le averesi o tausaga i le suʻega o le 58.7 ± 14.6 tausaga, ma le 39.2% e mai maʻi tamaʻitaʻi.Mai ata uma, 30.8% mai Caucasians, 32.6% mai Blacks, 30.8% mai Hispanics, 4% mai Asia, ma 1.7% mai isi ituaiga (Laulau 1).).O le tufatufaina o tausaga o tagata mamaʻi ma le OCTA e matua ese lava e faʻatatau i le lelei o le ata (p <0.001).O le pasene o ata maualuga i tagata mamaʻi laiti 18-45 tausaga o le 33.8% faʻatusatusa i le 12.2% o ata maualalo (Table 1).O le tufatufaina atu o le retinopathy o le ma'isuka sa matua'i fesuisuia'i foi i le tulaga lelei o ata (p <0.017).Faatasi ai ma ata maualuga uma, o le pasene o tagata gasegase ma le PDR o le 18.8% faʻatusatusa i le 38.8% o ata maualalo uma (Laulau 1).
Fa'ailoga ta'ito'atasi o ata uma na fa'aalia ai le fa'amaoni i le malosi o le va'aiga i le va o tagata o lo'o faitauina ata (Cohen's weighted kappa = 0.79, 95% CI: 0.76-0.82), ma e leai ni fa'ailoga ata e eseese ai fa'ailoga e sili atu i le 1 (Fig. 2A)..O le malosi o le faailo e fesoʻotaʻi tele ma le sikoa tusi (Pearson product moment correlation = 0.58, 95% CI 0.51-0.65, p<0.001), ae o le tele o ata na faʻaalia o loʻo i ai le maualuga o le faʻailoga ae maualalo le sikoa tusi (Fig. 2B).
I le taimi o aʻoaʻoga a le ResNet152 ma le AlexNet architectures, o le faʻaleagaina o le cross-entropy i luga o le faʻamaonia ma aʻoaʻoga e pa'ū i luga o 50 epochs (Ata 3B, C).O le fa'amaoniaga sa'o i le taimi mulimuli o a'oa'oga e sili atu i le 90% mo tulaga fa'aoga maualuga ma maualalo.
O faʻailoga faʻatinoga o le mauaina o loʻo faʻaalia ai o le ResNet152 faʻataʻitaʻiga e sili atu le faʻaogaina o le mana faʻailo na lipotia mai e le masini i tulaga faʻaoga maualalo ma maualuga (p <0.001).O le ResNet152 faʻataʻitaʻiga e sili atu foi le faʻaogaina o le AlexNet architecture (p = 0.005 ma le p = 0.014 mo tulaga maualalo ma tulaga maualuga, i le faasologa).O faʻataʻitaʻiga faʻataʻitaʻiga mo nei galuega taʻitasi na mafai ona ausia tulaga taua o le AUC o le 0.99 ma le 0.97, i le faasologa, lea e sili atu le lelei nai lo le AUC tutusa o le 0.82 ma le 0.78 mo le faʻailoga o le malosi o le masini poʻo le 0.97 ma le 0.94 mo AlexNet. ..(Ata 3).O le eseesega i le va o le ResNet ma le AUC i le malosi o le faailo e maualuga atu pe a iloa ata maualuga, e faʻaalia ai faʻamanuiaga faaopoopo o le faʻaaogaina o ResNet mo lenei galuega.
O kalafi o lo'o fa'aalia ai ta'ito'atasi ta'ito'atasi fa'ailoga e mafai ona sikoa ma fa'atusatusa i le malosi fa'ailo na lipotia mai e le masini.(A) O le aofa'i o 'ai e su'esu'eina e fa'aaogaina e fatu ai le aofa'i o 'ai e su'esu'eina.O ata o lo'o i ai le aofa'iga o le scalability score o le 4 o lo'o tu'uina atu i ai le tulaga maualuga, ae o ata o lo'o i ai le aofa'i o le scalability score o le 1 pe itiiti ifo e tu'uina atu i le tulaga maualalo.(B) O le malosi o fa'ailo e feso'ota'i ma fua fa'atatau a le tusi, ae o ata e maualuga le malosi fa'ailo atonu e sili atu ona leaga.O le laina togitogi mumu o lo'o fa'ailoa mai ai le tulaga lelei o lo'o fautuaina e le gaosi oloa e fa'atatau i le malosi fa'ailo (malosi fa'ailoga \(\ge\)6).
O aʻoaʻoga faʻafeiloaʻi ResNet e maua ai se faʻaleleia atili i le faʻamaoniaina o ata mo tulaga faʻaoga maualalo ma le maualuga pe a faʻatusatusa i tulaga faʻailoga e lipotia e masini.(A) Fa'ata'ita'iga fa'a faigofie o fa'ata'ita'iga a'oa'oga (i) ResNet152 ma (ii) fa'ata'ita'iga a AlexNet.(B) Tala'aga a'oa'oga ma fa'atinoga o fa'atinoga mo ResNet152 fa'atusatusa i le masini fa'ailoa le malosi fa'ailoga ma AlexNet tulaga maualalo maualalo.(C) ResNet152 fa'aa'oa'oga tala'aga ma fa'atinoga fa'atusa fa'atusatusa i masini fa'ailoa le malosi fa'ailoga ma AlexNet tulaga maualuga.
A maeʻa ona fetuʻunaʻi le tapulaa o le faʻaiʻuga, o le maualuga o le saʻo o le vaʻaiga o le ResNet152 faʻataʻitaʻiga o le 95.3% mo le tulaga maualalo ma le 93.5% mo le tulaga maualuga (Table 2).O le maualuga o le vavalo saʻo o le AlexNet faʻataʻitaʻiga o le 91.0% mo le tulaga maualalo ma le 90.1% mo le tulaga maualuga (Table 2).Ole maualuga ole fa'ailo malosi ole va'aiga sa'o ole 76.1% mo le tulaga maualalo le fa'aoga ma le 77.8% mo le tulaga maualuga ole fa'aoga.E tusa ai ma le kappa a Cohen (\(\kappa\)), o le maliliega i le va o le ResNet152 faʻataʻitaʻiga ma le faʻatusatusaga o le 0.90 mo le tulaga maualalo ma le 0.81 mo le tulaga maualuga.O le AlexNet kappa a Cohen o le 0.82 ma le 0.71 mo le maualalo o le lelei ma le maualuga o le faʻaogaina o mataupu.O le malosi fa'ailo a Cohen o le kappa o le 0.52 ma le 0.27 mo tulaga fa'aoga maualalo ma maualuga.
O le faʻamaoniaina o faʻataʻitaʻiga faʻamaonia maualuga ma maualalo ile 6 \(\x\) ata o se 6 mm flat plate e faʻaalia ai le gafatia o le faʻataʻitaʻiga aʻoaʻoina e fuafua ai le lelei o ata i luga ole laiga faʻataʻitaʻiga eseese.A faʻaaogaina 6\(\x\) 6 mm papa papaʻu mo le faʻataʻitaʻiga lelei, o le faʻataʻitaʻiga maualalo sa i ai le AUC o le 0.83 (95% CI: 0.69-0.98) ma le faʻataʻitaʻiga maualuga sa i ai le AUC o le 0.85.(95% CI: 0.55–1.00) (Laulau 2).
O su'esu'ega va'aia o fa'afanua fa'ato'aga fa'aulufaleina o vasega na fa'aalia ai o feso'ota'iga neural uma na a'oa'oina na fa'aogaina ata i le taimi o le fa'avasegaina o ata (Fig. 4A, B).Mo ata 8 \(\times \) 8 mm ma le 6 \(\times \) 6 mm, o ata fa'aagaoioia ResNet e mulimulita'i i le vasculature retinal.O fa'afanua fa'ato'aga a AlexNet e mulimulita'i fo'i i va'a mata, ae fa'atasi ai ma le fa'ai'uga sili atu.
O fa'afanua o le fa'agaoioia o vasega mo le ResNet152 ma AlexNet fa'ata'ita'iga e fa'amanino ai uiga e feso'ota'i ma ata lelei.(A) Fa'afanua fa'aagaoioia vasega o lo'o fa'aalia ai le fa'agaoioia fa'atasi pe a mae'a vasculature papa'u retinal i luga o 8 \ (\ taimi \) 8 mm fa'amaonia ata ma (B) lautele i la'ititi 6 \ (\ taimi \) 6 mm ata fa'amaonia.LQ fa'ata'ita'iga a'oa'oina ile tulaga maualalo, fa'ata'ita'iga HQ a'oa'oina ile tulaga maualuga.
Na fa'aalia muamua e mafai ona matua a'afia ai le fa'atusaina o ata o le OCTA.E le gata i lea, o le i ai o le retinopathy e faʻateleina ai le aʻafiaga o faʻataʻitaʻiga ata7,26.O le mea moni, i a matou faʻamatalaga, e ogatasi ma suʻesuʻega talu ai, na matou maua ai se fesoʻotaʻiga taua i le va o le faʻatupulaia o le matua ma le ogaoga o faʻamaʻi faʻamaʻi ma le faʻaleagaina o le ata (p <0.001, p = 0.017 mo le matua ma le DR tulaga, faasologa; Laulau 1) 27 . O le mea lea, e taua tele le su'esu'eina o ata lelei a'o le'i faia so'o se su'esu'ega fa'atatau o ata OCTA.Ole tele ole su'esu'ega ole su'esu'eina ata ole OCTA ole fa'aogaina ole fa'ailoga ole fa'ailoga ole masini e fa'asao ai ata maualalo.E ui ina faʻaalia le malosi o faʻailoga e aʻafia ai le faʻatusatusaina o faʻamaufaʻailoga o le OCTA, o le maualuga o le faʻailoga na o ia atonu e le lava e taofiofia ai ata ma ata faʻataʻitaʻiga2,3,28,29.O le mea lea, e manaʻomia le atinaʻeina o se auala sili atu ona faʻatuatuaina o le faʻatonutonuina o ata.I lenei tulaga, matou te iloiloina le faʻatinoga o metotia faʻaaʻoaʻoga loloto e faʻatatau i le malosi faʻailoga na lipotia mai e le masini.
Ua matou fausia ni fa'ata'ita'iga e iloilo ai le lelei o ata ona o fa'aoga eseese o le OCTA atonu e eseese tulaga mana'omia o ata.Mo se faʻataʻitaʻiga, o ata e tatau ona sili atu le lelei.E le gata i lea, e taua fo'i fa'amaufa'ailoga fa'atatau fa'atatau o tului.Mo se faʻataʻitaʻiga, o le vaega o le foveal avascular zone e le faʻalagolago i le gaogao o le mea e le o totonugalemu, ae aʻafia ai le mamafa o vaʻa.E ui o loʻo faʻaauau pea ona taulaʻi a matou suʻesuʻega i se auala lautele i le tulaga lelei o ata, e le o noatia i manaʻoga o soʻo se suʻega faʻapitoa, ae faʻamoemoe e sui saʻo le malosi o le faailo o loʻo lipotia mai e le masini, matou te faʻamoemoe e tuʻuina atu i tagata faʻaoga se tikeri sili atu o le pulea ina ia latou e mafai ona filifili le metric patino o le fiafia i le tagata faʻaoga.filifili se faʻataʻitaʻiga e fetaui ma le maualuga maualuga o faʻataʻitaʻiga ata e manatu e talia.
Mo vaaiga maualalo ma maualuga, matou te faʻaalia le lelei o le faʻaogaina o fesoʻotaʻiga-misiona loloto fesoʻotaʻiga neural, faʻatasi ai ma AUC o le 0.97 ma le 0.99 ma faʻataʻitaʻiga maualalo, i le faasologa.Matou te faʻaalia foi le maualuga o le faʻatinoga o la matou aʻoaʻoga loloto pe a faʻatusatusa i tulaga faʻailoga na lipotia mai e masini.Fa'ase'e feso'ota'iga e fa'ataga ai feso'ota'iga neura e a'oa'oina ai fa'amatalaga i le tele o vaega o fa'amatalaga, pu'eina vaega sili ona lelei o ata (fa'ata'ita'iga fa'afeagai) fa'apea fo'i uiga lautele (fa'ata'ita'iga fa'atotonugalemu30,31).Talu ai o meafaitino ata e a'afia ai le lelei o ata e sili atu ona iloa i luga o le lautele lautele, o feso'ota'iga feso'ota'iga neural ma feso'ota'iga misi e mafai ona fa'aalia le sili atu le fa'atinoga nai lo i latou e leai ni galuega e fa'ataunu'uina uiga lelei.
Pe a suʻeina la matou faʻataʻitaʻiga i luga o ata 6 \ (\ × 6mm) OCTA, matou te maitauina le faʻaitiitia o le faʻavasegaina o faʻatinoga mo faʻataʻitaʻiga maualuga ma le maualalo (Fig. 2), faʻatusatusa i le tele o le faʻataʻitaʻiga ua aʻoaʻoina mo le faʻavasegaina.Faʻatusatusa i le ResNet faʻataʻitaʻiga, o le AlexNet faʻataʻitaʻiga e sili atu le pa'ū.O le faʻatinoga sili atu o le ResNet atonu e mafua ona o le gafatia o fesoʻotaʻiga o totoe e tuʻuina atu faʻamatalaga i le tele o fua, lea e sili atu le malosi o le faʻataʻitaʻiga mo le faʻavasegaina o ata na puʻeina i fua eseese ma / poʻo le faʻalauteleina.
O nisi eseesega i le va o ata 8 \(\×\) 8 mm ma le 6 \(\×\) 6 mm ata e mafai ona taitai atu ai i le le lelei o le faavasegaina, e aofia ai se vaega maualuga o ata o loʻo i ai vaega foveal avascular, suiga i le vaʻaia, vascular arcades, ma leai se neura mata ile ata 6×6 mm.E ui lava i lea, o la matou faʻataʻitaʻiga maualuga ResNet na mafai ona ausia se AUC o le 85% mo ata 6 \(\x\) 6 mm, o se faʻatulagaga lea e leʻi aʻoaʻoina ai le faʻataʻitaʻiga, faʻapea o faʻamatalaga uiga lelei o ata o loʻo faʻapipiʻiina i le neural network. e talafeagai.mo le ata e tasi po'o le fa'atulagaina o masini i fafo atu o ana a'oa'oga (Laulau 2).Ma le mautinoa, ResNet- ma AlexNet-pei o le faʻagaioiina faʻafanua o 8 \ (\ taimi \) 8 mm ma 6 \ (\ taimi \) 6 mm ata na mafai ona faʻamaonia ai vaʻa retinal i tulaga uma e lua, ma fautua mai o le faʻataʻitaʻiga o loʻo i ai faʻamatalaga taua.e talafeagai mo le fa'avasegaina o ituaiga uma o ata OCTA (Ata 4).
Lauerman et al.O su'esu'ega lelei o ata i ata o le OCTA sa fa'apena fo'i ona fa'atino i le fa'aogaina o le fausaga o le Inception, o le isi feso'ota'iga fa'ase'e feso'ota'iga neural network6,32 fa'aaoga metotia a'oa'oga loloto.Na latou faʻatapulaʻaina foi le suʻesuʻega i ata o le plexus capillary papaʻu, ae naʻo le faʻaaogaina o ata laiti 3 × 3 mm mai Optovue AngioVue, e ui lava na aofia ai maʻi maʻi eseese chorioretinal.O la matou galuega e faʻavae i luga o latou faʻavae, e aofia ai le tele o faʻataʻitaʻiga e faʻafeiloaʻi ai tulaga maualuga o ata eseese ma faʻamaonia taunuuga mo ata o lapopoa eseese.Matou te lipotia foi le AUC metric o faʻataʻitaʻiga aʻoaʻoga masini ma faʻateleina lo latou saʻo lelei (90%)6 mo faʻataʻitaʻiga maualalo (96%) ma le maualuga (95.7%) faʻataʻitaʻiga6.
O lenei aʻoaʻoga e tele ni tapulaʻa.Muamua, o ata na maua i le tasi masini OCTA, e aofia ai na o ata o le papa'u capillary plexus i 8 \ (\ taimi \) 8 mm ma 6 \ (\ taimi \) 6 mm.O le mafua'aga o le le fa'aaofia o ata mai fa'alava loloto ona o mea fa'ata'ita'i e mafai ona fa'afaigata atili ai le su'esu'eina tusilima o ata ma e ono fa'aitiitia ai le tutusa.E le gata i lea, o ata na maua naʻo tagata mamaʻi maʻisuka, lea o loʻo tulaʻi mai ai le OCTA e avea o se meafaigaluega faʻamaonia ma faʻataʻitaʻiga taua33,34.E ui lava na mafai ona matou faʻataʻitaʻiina la matou faʻataʻitaʻiga i luga o ata o lapopoʻa eseese e faʻamautinoa ai le malosi o taunuuga, e leʻi mafai ona matou faʻamaonia faʻamaumauga talafeagai mai nofoaga tutotonu eseese, lea na faʻatapulaʻaina ai la matou iloiloga o le lautele o le faʻataʻitaʻiga.E ui lava o ata na maua mai na o le tasi le nofoaga autu, na maua mai i gasegase o ituaiga eseese ma ituaiga, o se malosiaga tulaga ese o la matou suʻesuʻega.E ala i le fa'aofiina o le 'ese'ese i la matou fa'aa'oa'oga, matou te fa'amoemoe o le a fa'asalalauina a matou fa'ai'uga i se tulaga lautele, ma o le a matou 'alofia le fa'ailoga fa'aituau i fa'ata'ita'iga matou te a'oa'oina.
O a matou suʻesuʻega o loʻo faʻaalia ai e mafai ona aʻoaʻoina fesoʻotaʻiga fesoʻotaʻiga-faʻafefeteina e ausia ai le maualuga o le faʻatinoga i le fuafuaina o le lelei o ata o le OCTA.Matou te tuʻuina atu nei faʻataʻitaʻiga e fai ma meafaigaluega mo suʻesuʻega atili.Talu ai ona o fua eseese atonu e eseese mana'oga o ata, e mafai ona atia'e se fa'ata'ita'iga fa'ata'ita'iga lelei mo metric ta'itasi e fa'aaoga ai le fausaga ua fa'atuina iinei.
O suʻesuʻega i le lumanaʻi e tatau ona aofia ai ata o lapopoa eseese mai loloto eseese ma masini OCTA eseese e maua ai se faʻataʻitaʻiga loloto o le suʻesuʻeina o ata e mafai ona faʻasalalau i luga ole OCTA platforms ma faʻataʻitaʻiga faʻataʻitaʻiga.O suʻesuʻega o loʻo iai nei e faʻavae foi i luga o le vaʻavaʻaia o aʻoaʻoga loloto e manaʻomia ai le iloiloga o tagata ma le iloiloga o ata, lea e mafai ona galue malosi ma faʻaalu taimi mo faʻamaumauga tetele.O lo'o fa'aauau pea ona va'ai pe mafai e auala fa'aa'oa'oga loloto e le'i va'aia ona iloa lelei le va o ata maualalo ma ata maualuga.
A'o fa'aauau pea le fa'atuputeleina o tekinolosi a le OCTA ma fa'atupula'ia le saosaoa o su'esu'ega, e ono fa'aitiitia le fa'atupuina o ata ma ata leaga.O fa'aleleia atili o le polokalame, e pei o le fa'ata'ita'iga fa'ata'ita'iga fa'ato'a fa'ate'aina, e mafai fo'i ona fa'aitiitia nei tapula'a.Ae ui i lea, o le tele o faʻafitauli o loʻo tumau pea ona o faʻataʻitaʻiga o tagata mamaʻi e le lelei le faʻapipiʻiina poʻo le tele o faʻasalalauga faʻasalalau e masani lava ona maua ai ata.A'o fa'aogaina lautele le OCTA i fa'ata'ita'iga fa'apitoa, e mana'omia le iloiloga ma le toto'a e fa'atūina ai ta'iala manino mo tulaga fa'ata'ita'i ata talafeagai mo su'esu'ega ata.O le faʻaogaina o auala loloto aʻoaʻoga i ata OCTA o loʻo i ai se folafolaga sili ma e manaʻomia nisi suʻesuʻega i lenei vaega e atiaʻe ai se auala malosi i le pulea lelei o ata.
O lo'o maua le fa'ailoga o lo'o fa'aaogaina i le su'esu'ega o lo'o iai i le octa-qc repository, https://github.com/rahuldhodapkar/octa-qc.O fa'amaumauga na gaosia ma/po'o au'ili'ili i le taimi o su'esu'ega o lo'o avanoa mai tusitala ta'itasi pe a fa'atatau i talosaga.
Spaide, RF, Fujimoto, JG & Waheed, NK Ata fa'atusa ile angiography fa'atasi.Retina 35, 2163–2180 (2015).
Fenner, BJ et al.Faʻailoaina o ata faʻataʻitaʻiga e fuafua ai le lelei ma le toe faʻaleleia o fua faʻatatau o le plexus plexus retinal i le OCT angiography.BR.J. Ophthalmol.102, 509–514 (2018).
Lauerman, JL et al.Fa'aaafiaga ole mata-su'esu'e tekonolosi ile ata lelei ole OCT angiography ile macular degeneration tausaga.Tuugamau faaofuofu.falema'i.Exp.ophthalmology.255, 1535–1542 (2017).
Babyuch AS et al.O le OCTA capillary perfusion density e fa'aaogaina e su'e ma iloilo ai macular ischemia.taotoga mata.Retinal Laser Ata 51, S30–S36 (2020).
He, K., Zhang, X., Ren, S., ma le Sun, J. Aʻoaʻoga Faʻasao loloto mo le Faʻailoaina o Ata.I le 2016 i le IEEE Conference on Computer Vision and Pattern Recognition (2016).
Lauerman, JL et al.Otometi OCT angiographic suʻesuʻega o ata e faʻaaoga ai algorithms loloto aʻoaʻoga.Tuugamau faaofuofu.falema'i.Exp.ophthalmology.257, 1641–1648 (2019).
Lauermann, J. et al.Ole fa'atuputeleina o fa'asologa o mea sese ma gaioiga gaio'i ile OCT angiography e fa'alagolago ile fa'ama'i ole mata.Tuugamau faaofuofu.falema'i.Exp.ophthalmology.256, 1807–1816 (2018).
Pask, Atamu et al.Pytorch: Ose Faletusi o le A'oa'oina loloto e Manaomia, Maua maualuga.Fa'agaioiga alualu i luma o fa'amatalaga neural.faiga.32, 8026–8037 (2019).
Deng, J. et al.ImageNet: Ose Fa'amaumauga Fa'atonu Fa'atonu Fa'amaumauga Tele.2009 IEEE Conference on Computer Vision and Pattern Recognition.248–255.(2009).
Krizhevsky A., Sutzkever I. ma Hinton GE Imagenet fa'avasegaina e fa'aogaina ai feso'ota'iga neural loloto.Fa'agaioiga alualu i luma o fa'amatalaga neural.faiga.25, 1 (2012).