使用分割和特征评估预测地图状萎缩进展制造技术

本发明专利技术提供了一种用于评估地图状萎缩病变的方法、系统和计算机程序产品。接收地图状萎缩(GA)病变的图像。使用所述图像确定一组形状特征的第一组值。使用所述图像确定一组纹理特征的第二组值。使用所述第一组值和所述第二组值预测所述GA病变的GA进展。组值预测所述GA病变的GA进展。组值预测所述GA病变的GA进展。

【技术实现步骤摘要】
【国外来华专利技术】使用分割和特征评估预测地图状萎缩进展


[0001]本说明书通常针对地图状萎缩(GA)的评估。更具体地，本说明书提供了用于自动分割和确定能够预测GA进展的特征以及使用该特征预测GA进展的方法和系统。

技术介绍

[0002]年龄相关性黄斑变性(AMD)是50岁或以上患者视力丧失的主要原因。地图状萎缩(GA)是AMD的两个晚期阶段之一，其特征是脉络膜毛细血管、视网膜色素上皮(RPE)和光感受器的逐步发展且不可逆的丧失。随着时间的推移，GA会导致视觉功能丧失。可以使用眼底自发荧光(FAF)图像执行GA病变扩大的诊断和监测，该图像是通过共焦激光扫描眼底镜(cSLO)获得的。这种类型的成像技术示出了RPE中脂褐素的地形图，可用于衡量GA病变随时间的变化。在FAF图像上，由于RPE及以致脂褐质的丧失，GA病变表现为具有清晰边界的低自发荧光区域。一些目前可用的评估GA的方法包括基于FAF图像对GA病变进行分级。然而，使用FAF图像量化GA病变通常是一个手动过程，比预期的更耗时且更容易出现观察者间和观察者内的易变性。因此，期望具有认识到这些问题中的一个或多个并将其考虑在内的一种或多种方法、系统或两者。

技术实现思路

[0003]在一个或多个实施例中，提供了一种用于评估地图状萎缩病变的方法。接收地图状萎缩(GA)病变的图像。使用图像确定一组形状特征的第一组值。使用图像确定一组纹理特征的第二组值。使用第一组值和第二组值确定GA病变的GA进展。
[0004]在一个或多个实施例中，提供了一种用于评估地图状萎缩(GA)病变的方法。接收对象的地图状萎缩(GA)病变的图像。将图像输入到深度学习系统中。使用深度学习系统生成第一分割输出。第一分割输出识别图像中与GA病变相对应的像素。
[0005]在一个或多个实施例中，一种系统包括：一个或多个数据处理器；以及非暂态计算机可读存储介质，该非暂态计算机可读存储介质包含指令，该指令当在所述一个或多个数据处理器上被执行时，使该一个或多个数据处理器执行一种或多种方法的一部分或全部，诸如，例如第一种方法、第二种方法或两者。第一种方法包括：接收地图状萎缩(GA)病变的图像；使用图像确定一组形状特征的第一组值；使用图像确定一组纹理特征的第二组值；使用第一组值和第二组值预测GA病变的GA进展。第二种方法包括：接收对象的地图状萎缩(GA)病变的图像；将图像输入到深度学习系统中；使用深度学习系统生成第一分割输出，第一分割输出识别图像中与GA病变相对应的像素。
[0006]在一个或多个实施例中，一种有形地体现在非暂态机器可读存储介质中的计算机程序产品，该计算机程序产品包括指令，该指令被配置成使一个或多个数据处理器执行一种或多种方法的一部分或全部，诸如，例如第一种方法、第二种方法或两者。第一种方法包括：接收地图状萎缩(GA)病变的图像；使用图像确定一组形状特征的第一组值；使用图像确定一组纹理特征的第二组值；使用第一组值和第二组值预测GA病变的GA进展。第二种方法
包括：接收对象的地图状萎缩(GA)病变的图像；将图像输入到深度学习系统中；使用深度学习系统生成第一分割输出，第一分割输出识别图像中与GA病变相对应的像素。
附图说明
[0007]为了更完整地理解本文所公开的原理及其优点，现参考以下与附图有关描述，其中：
[0008]图1为根据各个实施例的病变评估系统100的框图。
[0009]图2为根据各个实施例的用于评估地图状萎缩病变的过程200的流程图。
[0010]图3为根据各种实施例的用于生成地图状萎缩病变的分割输出的过程300的流程图。
[0011]图4为根据各个实施例的使用特征来评估GA病变的过程400的流程图。
[0012]图5为根据各个实施例的用于识别GA病变的预后特征的过程500的流程图。
[0013]图6确定根据各个实施例的来自回顾性研究的一组图像。
[0014]图7为根据各个实施例的确定阐明形状和纹理特征的各种度量的表格。
[0015]图8示出了根据各个实施例的OCT正面图像，其中已经覆盖圆形度。
[0016]图9示出了根据各个实施例的OCT正面图像，其中已经覆盖最大Feret直径。
[0017]图10示出了根据各个实施例的用于自动分割的深度学习系统的示例性基础架构。
[0018]图11示出了通过自动分割与手动分割生成的分割掩模的性能比较。
[0019]图12示出了根据各个实施例的通过手动分割和通过自动分割产生的分割掩模。
[0020]图13示出了根据各个实施例的手动分割与不同类型的使用DICE分数的自动分割方法的比较。
[0021]图14示出了根据各个实施例的不同类型的使用DICE分数的自动分割方法的比较。
[0022]图15示出了根据各个实施例的用于同一多焦点GA病变的各种分割掩模。
[0023]图16示出了根据各个实施例的通过手动分割和自动分割提取的特征的比较。
[0024]图17示出了根据各个实施例的一组表格，表格示出了如何使用特征来确定自动和手动分割之间的相关性。
[0025]图18示出了根据各个实施例的一组表格，表格示出了如何使用特征来确定自动和手动分割之间的相关性。
[0026]图19为根据各个实施例的计算机系统的框图。
[0027]应当理解，附图不一定是按比例绘制的，图中的物体也不一定是相对于彼此按比例绘制的。附图是旨在使本文公开的设备、系统和方法的各种实施例清楚和易于理解的描述。在所有附图中，将尽可能使用相同的附图标记指代相同或相似的部件。此外，应当理解，附图不旨在以任何方式限制本教导的范围。
具体实施方式
[0028]I.概述
[0029]目前用于评估地图状萎缩(GA)的方法包括分析各种图像，诸如眼底自发荧光(FAF)图像和光学相干断层扫描(OCT)图像，以评估GA病变。可以分割此类图像，用于识别提供关于GA病变的信息的特征，并用于定量评估GA病变。
[0030]一些分割方法包括使用软件(例如，软件可以是半自动的)来分割FAF图像或OCT图像(并且更具体地，OCT正面(en face或en
‑
face或enface)图像)中的GA病变。OCT正面图像为指定深度处的视网膜和脉络膜层的横向图像。分割包括为图像中的GA病变创建逐像素掩模。逐像素掩模可以将每个像素识别或分类为属于至少两个不同类别中的一个。作为一个示例，可以将每个像素分配给对应于GA病变的第一类别或不对应于GA病变的第二类别。以这种方式，分配给第一类别的像素识别GA病变。这种类型的分割可以称为GA分割。正确的分割能够识别和跟踪GA病变的生长速率，可以帮助区分单灶性病变和多灶性病变，并能够量化对应于GA病变的特征(例如，面积、周长、直径等)。单灶性GA病变可以是由单个病灶或部位引起的病变。多灶性GA病变可以是包括由多个病灶或部位引起的病变的GA病变。
[0031]然而，一些当前可用的分割方法涉及本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于评估地图状萎缩病变的方法，所述方法包括：接收地图状萎缩(GA)病变的图像；使用所述图像确定一组形状特征的第一组值；使用所述图像确定一组纹理特征的第二组值；以及使用所述第一组值和所述第二组值，预测所述GA病变的GA进展。2.根据权利要求1所述的方法，其中预测所述GA进展包括：使用所述第一组值、所述第二组值和深度学习系统，预测所述GA病变的所述GA进展。3.根据权利要求1或2所述的方法，其进一步包括：基于使用具有GA病变的多个受试者的测试图像针对多个特征而生成的相关性数据，从所述多个特征中选择所述一组形状特征和所述一组纹理特征。4.根据权利要求3所述的方法，其进一步包括：针对所述多个受试者中的每个受试者，使用所述测试图像识别GA病变面积的变化和多个特征；以及将所述GA病变面积的所述变化与所述多个特征中的每一个相关，以形成所述相关性数据。5.根据权利要求1至4中任一项所述的方法，其中确定所述一组形状特征的所述第一组值包括：使用基于所述图像生成的分割输出，确定所述一组形状特征的所述第一组值。6.根据权利要求1至5中任一项所述的方法，其中确定所述一组纹理特征的所述第二组值包括：使用基于所述图像生成的分割输出，确定所述一组纹理特征的所述第二组值。7.根据权利要求1至6中任一项所述的方法，其中预测所述GA进展包括：使用所述第一组值、所述第二组值和深度学习系统，预测所述GA病变的所述GA进展。8.根据权利要求1至7中任一项所述的方法，其中所述一组形状特征包括：病变面积、凸包面积、周长、圆度、最大费雷特直径、最小费雷特直径、GA病变面积的平方根、所述周长的平方根或所述圆度的平方根中的至少一者。9.根据权利要求1至8中任一项所述的方法，所述一组纹理特征包括对比度、相关性、能量或同质...

【专利技术属性】
技术研发人员：J，
申请(专利权)人：基因泰克公司，
类型：发明
国别省市：