Deep Learning based retinal layer segmentation in optical coherence tomography scans of patients with inherited retinal diseases

CONCLUSION: Accurate segmentation of anatomical layers on OCT scans plays a crucial role for predictive models linking retinal structure to visual function. The here-presented OCT image segmentation algorithm could provide the basis for further studies on IRDs. Hintergrund: Bei der optischen Kohärenztomographie (OCT) von Patienten mit erblichen Netzhauterkrankungen hat sich die Messung der äußeren Körnerschichtdicke (ONL) als Marker für den Erhalt der Photorezeptoren bewährt. Derzeitige automatische Segmentierungsprogramme versagen bei der OCT-Segmentierung dieser Patienten, und die manuelle Segmentierung ist zeitaufwendig. Methoden und Material: Für die vorliegende Studie wurden Patienten mit erblichen Netzhauterkrankungen und der Verfügbarkeit eines OCT-Scans eingeschlossen. Zusätzlich wurden OCT-Scans von Patienten ohne Netzhauterkrankung einbezogen, um Trainingsdaten für die künstliche Intelligenz (KI) zu generieren. Wir trainierten ein auf einem U-Netz basierendes Modell an gesunden Patienten und wendeten eine Anpassungsmethode auf die pathologisch veränderten Scans von Patienten an. Ergebnisse: Es wurde ein KI-basierter Bildsegmentierungsalgorithmus entwickelt, der die ONL in OCT-Scans von Patienten mit erblichen Netzhauterkrankungen zuverlässig segmentieren kann. In einem Testdatensatz lag der Dice-Score des Algorithmus bei 98,7 %. Außerdem erstellten wir für jeden Patienten Dickenkarten der gesamten Netzhautdicke und der ONL-Schicht. Schlussfolgerung: E...

Source: Klinische Monatsblatter fur Augenheilkunde - December 12, 2023 Category: Opthalmology Authors: Franziska Eckardt Robin Mittas Nastassya Horlava Johannes Schiefelbein Ben Asani Stylianos Michalakis Maximilian Gerhardt Claudia Priglinger Daniel Keeser Nikolaos Koutsouleris Siegfried Priglinger Fabian Theis Tingying Peng Benedikt Schworm Source Type: research