学术研究
AI模型自动评估OCTA图像质量:跨机构数据验证
研究团队利用AI-READI数据集(1067名参与者的6269张6×6-mm和325张12×12-mm OCTA图像)及麻省眼耳医院(MEEI)539名患者的1100张6×6-mm图像,微调ResNet、EfficientNet、ViT和ConvNeXt v2四种深度学习模型,用于自动判别OCTA图像质量是否合格。在AI-READI的6×6-mm测试集上,各模型准确率为82.5%至83.5%,AUROC为0.904至0.913;在MEEI的6×6-mm测试集上,准确率为88.0%至94.3%,其中EfficientNet最高。研究认为模型可跨机构、设备和图像尺寸使用,适合临床研究前的快速质控。
#OCTA#人工智能#图像质量控制
PubMed Ophthalmology