Development of OCTA Automated Segmentation and Measurement Tools for Assessment of Cerebrovascular and Neural Health in Aging Populations
Notice bibliographique
Résumé
Cerebral small vessel disease (CSVD) is one of the most commonly occurring vascular disease in the older population. Research has shown that the emergence of cerebrovascular disease has a profound effect on the changes that occurs in retinal vasculature. Optical coherence tomography angiography (OCTA) is a non-invasive, high resolution imaging modality used to extract images of retinal vasculature. However, manual segmentation of these images requires experienced clinical expert and is highly subjective to the individual's background. Therefore, there is a need of developing an automated segmentation technique for OCTA images. This research proposes a novel approach for automatic segmentation of OCTA images. The OCTA scans in this study involved individuals from two groups, older individuals whose scans were obtained from a publicly available dataset ROSE-1 [1], and OCT images of younger individuals that were acquired in the lab at University of Ottawa called NCM images. The proposed approach comprises of pixel-level and centerline level segmentation of OCTA images using Attention UNet model of different depths and merging these images to form a fully segmented superficial vascular complex (SVC) OCTA image. The experimental results demonstrates that the proposed approach (for fully segmented SVC OCTA) provides an accuracy of 0.9188, average dice of 0.7853, kappa score of 0.7354, G-mean score of 0.847 and balance accuracy of 0.85518. The trained pixel-level segmentation model was again used to segment NCM images, and the resulting segmented image was overlapped over the original image and studied. Subsequently, pixel-level segmented images were used to extract vascular features from retina such as vessel density, vessel length density, vessel perimeter index and vessel mean diameter for both the groups. It was found that there is a decrease in mean diameter of blood vessels (p-value < 0.05) in older individuals as compared to the younger group while the other parameters were not statistically significant (p-value > 0.05).
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».