新文推薦
使用深度學(xué)習(xí)模型從眼底彩照生成眼底自發(fā)熒光圖像
A deep learning model for generating fundus autofluorescence images from color fundus photography
（點(diǎn)擊英文標(biāo)題可直接瀏覽、下載論文）
Fan Song, Weiyi Zhang, Yingfeng Zheng, Danli Shi*, Mingguang He
香港理工大學(xué)
近日，香港理工大學(xué)眼視光學(xué)院何明光教授研究團(tuán)隊(duì)在 “Advances in Ophthalmology Practice and Research” 期刊發(fā)表了題為“A deep learning model for generating fundus autofluorescence images from color fundus photographyg” 的論文。宋帆是該論文的第一作者，施丹莉博士為論文的通訊作者。
01
論文導(dǎo)讀 Highlight 年齡相關(guān)性黃斑變性（AMD）是一種導(dǎo)致中心視力逐漸惡化的疾病，其發(fā)病原因與視網(wǎng)膜黃斑區(qū)域的損傷有關(guān)。AMD在全球范圍內(nèi)約占失明病例的9%，在60歲及以上的人群中尤其常見。因此，早期檢測(cè)對(duì)于預(yù)防AMD的進(jìn)展至關(guān)重要。 眼底自發(fā)熒光（FAF）是一種很有價(jià)值的眼科成像技術(shù)，可用于評(píng)估視網(wǎng)膜色素上皮（RPE）的代謝變化，且對(duì)于檢測(cè)和評(píng)估AMD有顯著優(yōu)勢(shì)。與眼底彩照 (CF)相比，F(xiàn)AF在臨床上的應(yīng)用仍相對(duì)有限。本研究旨在使用一種生成式深度學(xué)習(xí)（DL）模型，將眼底彩照（CF）轉(zhuǎn)化為合成的FAF圖像，并探索其在年齡相關(guān)性黃斑變性（AMD）疾病篩查方面的潛力。
本研究使用匹配的CF 和 FAF 圖像訓(xùn)練生成對(duì)抗網(wǎng)絡(luò) (GAN) 模型，從而達(dá)到利用CF圖像合成FAF 圖像的研究目的。我們使用常見的生成指標(biāo)對(duì)合成的 FAF 圖像進(jìn)行客觀評(píng)估，還使用 LabelMe 數(shù)據(jù)集測(cè)試其在 AMD 分類中的作用。 研究結(jié)果表明，我們的生成式深度學(xué)習(xí)模型首次展示了將 CF 圖像轉(zhuǎn)換為可靠的 FAF 圖像的方法，其為后續(xù)臨床應(yīng)用如大規(guī)模 AMD 篩查和輔助醫(yī)療決策過程帶來可能。
02
論文圖表
Fig. 1 流程圖。
Fig. 2 真實(shí)的和生成的眼底自發(fā)熒光 (FAF) 圖像示例。
Fig. 3 使用生成的FAF圖像與否對(duì)于AMD分類的作用。
引用本文
Song F, Zhang W, Zheng Y, Shi D, He M. A deep learning model for generating fundus autofluorescence images from color fundus photography. Adv Ophthalmol Pract Res. 2023;3(4); 192-198 doi: 10.1016/j.aopr.2023.11.001
03
作者介紹
通訊作者 施丹莉 本碩畢業(yè)于上海交通大學(xué)，博士畢業(yè)于中山眼科中心，師從何明光教授?，F(xiàn)為香港理工大學(xué)視光學(xué)院研究助理教授，研究興趣為多模態(tài)人工智能的開發(fā)和臨床應(yīng)用。 第一作者 宋帆 住院醫(yī)師，碩士畢業(yè)于浙江大學(xué)眼科學(xué)，現(xiàn)香港理工大學(xué)博士在讀，碩士師從姚克教授，博士師從何明光教授，主要從事眼表疾病及人工智能預(yù)測(cè)眼科疾病等相關(guān)研究。先后以一作或共一身份于Chemosphere、TVST、AOPR等英文期刊發(fā)表文章。
文編 | 宋帆
編排 | 丁思敏
審核 | 王凱軍
浙江大學(xué)醫(yī)學(xué)院附屬第二醫(yī)院眼科中心 浙江大學(xué)眼科醫(yī)院