造影を利用したカラー写真における網膜非灌流領域の深層学習による病態解明基盤構築

点击翻译按钮获取中文摘要

超広視野（UWF）画像から疑似カラー眼底写真の非灌流領域（NPA）の大きさを推定するためのPraNetベースのディープラーニングモデルを提案することを目的とし、クラスが偏ったデータセットに対応するため、焦点損失と重み付け二値クロスエントロピー損失でモデルを学習し、検証損失を最小化するためにハイパーパラメーターを最適化した。その結果、PraNetベースのディープラーニングモデルは、予想通り、過去に発表された方法を上回る結果を得た。検証には、NPAを有するUWF眼底画像を用い、Bland-Altmanプロットを用いてFA(蛍光眼底造影検査)における推定NPAとグランドトゥルースを比較し、eNPAとグランドトゥルースの間の偏りは信頼限界域の10%より小さく、外れ値の数は観察したペア画像の10%より小さいことを実証しました。また、他施設の外部データセットでモデルの精度を検証したところ、モデルの一般性が確認された。検証のために、推定NPA（eNPA）の感度と特異度を判定するROC解析に分割表を採用した。その結果、感度は83.3～87.0％、特異度は79.3～85.7％であることが示された。以上のことから、PraNetベースのディープラーニングを用いて、血管造影を行わずにUWF画像のみからNPAサイズを推定できるAIモデルが開発された。以上を指導した伊野田悟氏を筆頭にしつつ重要共著者としてscientific reportsへ投稿し、掲載された。現在さらに精度を向上させるためにデータを増やし他の様々なニューラルネットワークを試している。