Nature.com نى زىيارەت قىلغىنىڭىزغا رەھمەت.سىز چەكلىك CSS قوللىشى بىلەن توركۆرگۈ نۇسخىسىنى ئىشلىتىۋاتىسىز.ئەڭ ياخشى تەجرىبە ئۈچۈن يېڭىلانغان تور كۆرگۈچنى ئىشلىتىشىڭىزنى تەۋسىيە قىلىمىز (ياكى Internet Explorer دىكى ماسلىشىشچان ھالەتنى چەكلەڭ).ئۇنىڭدىن باشقا ، داۋاملىق قوللاشقا كاپالەتلىك قىلىش ئۈچۈن ، ئۇسلۇب ۋە JavaScript بولمىغان تور بېكەتنى كۆرسىتىمىز.
تام تەسۋىردە ھەر بىر تام تەسۋىردە ئۈچ ماقالە كۆرسىتىلىدۇ.كەينى ۋە كېيىنكى كۇنۇپكىلارنى ئىشلىتىپ تام تەسۋىردىن يۆتكىڭ ياكى ئاخىرىدا تام تەسۋىر كونترول كۇنۇپكىسى ئارقىلىق ھەر بىر تام تەسۋىردىن ئۆتۈڭ.
ئوپتىكىلىق ماسلىشىش توم ография ئانگېئوگرافىيىسى (OCTA) كۆرۈش تور پەردىسىنى تاجاۋۇز قىلمايدىغان تەسۋىرلەشنىڭ يېڭى ئۇسۇلى.گەرچە OCTA نىڭ نۇرغۇنلىغان ئىستىقباللىق كلىنىكىلىق قوللىنىشچان پروگراممىلىرى بولسىمۇ ، ئەمما سۈرەت سۈپىتىنى بەلگىلەش يەنىلا بىر قىيىن مەسىلە.بىز ImageNet بىلەن ئالدىن بېكىتىلگەن ResNet152 نېرۋا تورىنى تۈرگە ئايرىش ئارقىلىق چوڭقۇر ئۆگىنىشنى ئاساس قىلغان سىستېمىنى تەرەققىي قىلدۇردۇق ، 134 بىمارنىڭ 347 سىكانىرلاشتىن يۈزەكى قىل قان تومۇر تەسۋىرىنى تۈرگە ئايرىدۇق.بۇ رەسىملەر نازارەت قىلىنغان ئۆگىنىش ئەندىزىسى ئۈچۈن ئىككى مۇستەقىل باھالىغۇچى تەرىپىدىن قولدا ھەقىقىي ھەقىقەت دەپ باھالانغان.كلىنىكىلىق ياكى تەتقىقات تەڭشەكلىرىگە ئاساسەن رەسىم سۈپىتىنىڭ تەلىپى ئوخشىماسلىقى مۇمكىن ، ئىككى مودېل تەربىيەلەنگەن ، بىرى يۇقىرى سۈپەتلىك رەسىم تونۇش ، يەنە بىرى تۆۋەن سۈپەتلىك رەسىم تونۇش.بىزنىڭ نېرۋا تورى مودېلىمىز ئەگرى سىزىق (AUC) ،% 95 CI 0.96-0.99 ، \ (\ kappa \) = 0.81) دىكى ئېسىل رايوننى كۆرسىتىپ بېرىدۇ ، بۇ ماشىنا دوكلات قىلغان سىگنال دەرىجىسىدىن كۆرۈنەرلىك ياخشى (AUC = 0.82, 95) % CI).0.77–0.86 ، \ (\ kappa \) = 0.52 ۋە AUC = 0.78 ، 95% CI 0.73–0.83 ، \ (\ kappa \) = 0.27).تەتقىقاتىمىز ماشىنا ئۆگىنىش ئۇسۇللىرىنىڭ OCTA رەسىملىرىنىڭ جانلىق ۋە پۇختا سۈپەت كونترول ئۇسۇلىنى تەرەققىي قىلدۇرۇشقا ئىشلىتىلىدىغانلىقىنى كۆرسىتىپ بەردى.
ئوپتىكىلىق ماسلىشىش توم ография ئانگېئوگرافىيىسى (OCTA) ئوپتىكىلىق ماسلىشىشچان توم ография (OCT) نى ئاساس قىلغان بىر قەدەر يېڭى تېخنىكا بولۇپ ، كۆرۈش تور پەردىسىنىڭ مىكرو قان تومۇرنى تاجاۋۇز قىلماسلىق تەسۋىرىگە ئىشلىتىشكە بولىدۇ.OCTA كۆرۈش تور پەردىسىنىڭ ئوخشاش رايونىدىكى قايتا-قايتا نۇر تومۇرى بىلەن ئەكس ئەتتۈرۈش ئەندىزىسىنىڭ پەرقىنى ئۆلچەيدۇ ، ئاندىن قايتا قۇرۇشنى ھېسابلاپ ، بوياق ياكى باشقا سېلىشتۇرما ماددىلارنى تاجاۋۇز قىلماي تۇرۇپ قان تومۇرنى ئاشكارلىغىلى بولىدۇ.OCTA يەنە چوڭقۇر ئېنىقلىقتىكى قان تومۇر تەسۋىرىنى قوزغىتىپ ، كىلىنىكىلىق دوختۇرلارنىڭ يۈزەكى ۋە چوڭقۇر تومۇر قەۋىتىنى ئايرىم-ئايرىم تەكشۈرۈشىگە ياردەم بېرىدۇ.
گەرچە بۇ تېخنىكا ئۈمىدۋار بولسىمۇ ، ئەمما سۈرەت سۈپىتىنىڭ ئۆزگىرىشى يەنىلا ئىشەنچلىك رەسىم ئانالىزىدىكى ئاساسلىق رىقابەت بولۇپ ، رەسىمنى چۈشەندۈرۈش تەسكە توختايدۇ ۋە كەڭ كلىنىكىلىق بېقىشنىڭ ئالدىنى ئالىدۇ.OCTA ئۇدا كۆپ قېتىم OCT سىكانىرلاش ئۇسۇلىنى قوللانغانلىقى ئۈچۈن ، ئۆلچەملىك OCT غا قارىغاندا رەسىم ئەسەرلىرىگە تېخىمۇ سەزگۈر.كۆپىنچە سودا OCTA سۇپىلىرى سىگنال كۈچى (SS) ياكى بەزىدە سىگنال كۈچلۈكلىكى كۆرسەتكۈچى (SSI) دەپ ئاتىلىدىغان ئۆزىنىڭ رەسىم سۈپىتىنى ئۆلچەم بىلەن تەمىنلەيدۇ.قانداقلا بولمىسۇن ، SS ياكى SSI قىممىتى يۇقىرى بولغان رەسىملەر رەسىم ئەسەرلىرىنىڭ يوقلۇقىغا كاپالەتلىك قىلمايدۇ ، بۇ كېيىنكى رەسىم ئانالىزىغا تەسىر كۆرسىتىپ ، كلىنىكىلىق قارارلارنىڭ توغرا بولماسلىقىنى كەلتۈرۈپ چىقىرىدۇ.OCTA تەسۋىرىدە كۆرۈلىدىغان كۆپ ئۇچرايدىغان رەسىم بۇيۇملىرى ھەرىكەت بۇيۇملىرى ، بۆلەك ئەسەرلىرى ، تاراتقۇلارنىڭ سۈزۈك ئاسارە-ئەتىقىلەر ۋە تەسۋىر بۇيۇملىرى قاتارلىقلارنى ئۆز ئىچىگە ئالىدۇ.
OCTA ھاسىل قىلغان قان تومۇر زىچلىقى قاتارلىق تەدبىرلەر تەرجىمە تەتقىقاتى ، كلىنىكىلىق تەجرىبە ۋە كلىنىكىلىق ئەمەلىيەتلەردە كۈنسېرى قوللىنىلىۋاتقان بولغاچقا ، رەسىم ئەسەرلىرىنى يوقىتىش ئۈچۈن پۇختا ۋە ئىشەنچلىك بولغان سۈرەت سۈپىتىنى كونترول قىلىش جەريانىنى تەرەققىي قىلدۇرۇشقا جىددىي ئېھتىياج بار.قالدۇق ئۇلىنىش يەنە قالدۇق ئۇلىنىش دەپمۇ ئاتىلىدۇ ، نېرۋا تورى قۇرۇلمىسىنىڭ مۆلچەرى بولۇپ ، ئۇچۇرلارنى ئوخشىمىغان تارازا ياكى ئېنىقلىقتا ساقلىغاندا ئۇچۇرنىڭ تەۋرىنىش قەۋىتىدىن ئايلىنىپ ئۆتۈشىگە يول قويىدۇ.رەسىم ئاسارە-ئەتىقىلەر كىچىك ۋە ئادەتتىكى چوڭ تىپتىكى رەسىم ئۈنۈمىگە تەسىر كۆرسىتەلەيدىغان بولغاچقا ، ئاتلاپ ئۇلىنىش نېرۋا تورى بۇ سۈپەت كونترول ۋەزىپىسىنى ئاپتوماتلاشتۇرۇشقا ناھايىتى ماس كېلىدۇ.يېقىندا ئېلان قىلىنغان ئەسەردە ئىنسانلارنىڭ مۆلچەرىدىكى يۇقىرى سۈپەتلىك سانلىق مەلۇماتلاردىن پايدىلىنىپ تەربىيىلەنگەن چوڭقۇر تەۋرىنىش نېرۋا تورىغا بەزى ۋەدىلەر كۆرسىتىلدى.
بۇ تەتقىقاتتا ، OCTA رەسىملىرىنىڭ سۈپىتىنى ئاپتوماتىك ئېنىقلاش ئۈچۈن ئۇلىنىشتىن ھالقىغان تەۋرىنىش نېرۋا تورىنى مەشىق قىلىمىز.بىز يۇقىرى سۈپەتلىك رەسىم ۋە تۆۋەن سۈپەتلىك رەسىملەرنى پەرقلەندۈرۈش ئۈچۈن ئايرىم مودېللارنى تەرەققىي قىلدۇرۇش ئارقىلىق ئالدىنقى خىزمەتلەرنى ئاساس قىلىمىز ، چۈنكى رەسىمنىڭ سۈپەت تەلىپى كونكرېت كلىنىكىلىق ياكى تەتقىقات ئەھۋاللىرىدا ئوخشىماسلىقى مۇمكىن.بىز بۇ تورلارنىڭ نەتىجىسىنى ئۇلىنىشنى يوقىتىپ قويماي ، تەۋرىنىش نېرۋا تورى بىلەن سېلىشتۇرىمىز ، چوڭقۇر ئۆگىنىش ئىچىدىكى كۆپ قاتلاملىق ئىقتىدارلارنى ئۆز ئىچىگە ئېلىشنىڭ قىممىتىنى باھالايمىز.ئاندىن بىز نەتىجىلىرىمىزنى ئىشلەپچىقارغۇچىلار تەمىنلىگەن رەسىم سۈپىتىنىڭ ئورتاق قوبۇل قىلىنىدىغان سىگنال كۈچى بىلەن سېلىشتۇردۇق.
تەتقىقاتىمىز 2017-يىلى 8-ئاينىڭ 11-كۈنىدىن 2019-يىلى 4-ئاينىڭ 11-كۈنىگىچە يالې كۆز مەركىزىگە قاتناشقان دىئابىت بىمارلىرىنى ئۆز ئىچىگە ئالدى.ياش ، جىنس ، ئىرق ، سۈرەت سۈپىتى ياكى باشقا ئامىللارغا ئاساسەن كىرگۈزۈش ياكى چەتكە قېقىش ئۆلچىمى يوق.
OCTA رەسىملىرى AngrusPlex سۇپىسىدىن Cirrus HD-OCT 5000 (Carl Zeiss Meditec Inc ، دۇبلىن ، CA) 8 \ (\ times \) 8 مىللىمېتىر ۋە 6 \ (\ times \) 6 مىللىمېتىرلىق تەسۋىر ھاسىل قىلىش كېلىشىمنامىسىدە سېتىۋېلىندى.تەتقىقاتقا قاتنىشىشقا ئۇقتۇرۇلغان ئىجازەت ھەر بىر تەتقىقاتقا قاتناشقۇچىدىن ئېلىنغان ، يالې ئۇنىۋېرسىتېتى ئورگان تەكشۈرۈش ھەيئىتى (IRB) بۇ بىمارلارنىڭ ھەممىسىگە يەر شارى فوتوگرافىيىسى بىلەن ئۇچۇرلاشقان ئىجازەتنى ئىشلىتىشنى تەستىقلىغان.خېلسىنكى خىتابنامىسىدىكى پرىنسىپلارغا ئەمەل قىلىش.بۇ تەتقىقات يالې ئۇنىۋېرسىتېتى IRB تەرىپىدىن تەستىقلانغان.
يەر يۈزى تاختىسىدىكى رەسىملەر ئىلگىرى تەسۋىرلەنگەن ھەرىكەت بويۇملىرى نومۇرى (MAS) ، ئىلگىرى تەسۋىرلەنگەن بۆلەك سەنئەت بۇيۇملىرى نومۇرى (SAS) ، ئوچاق مەركىزى ، تاراتقۇلارنىڭ ئوچۇق-ئاشكارە بولۇشى ۋە رەسىمنى باھالىغۇچى تەرىپىدىن بېكىتىلگەن كىچىك قىل قان تومۇرلارنى ياخشى تەسۋىرلەش ئاساسىدا باھالانغان.بۇ رەسىملەرنى ئىككى مۇستەقىل باھالىغۇچى (RD ۋە JW) تەھلىل قىلغان.ئەگەر تۆۋەندىكى ئۆلچەملەرنىڭ ھەممىسىگە ماس كەلسە ، رەسىمنىڭ دەرىجىسى 2 (لاياقەتلىك) بولىدۇ: رەسىم فوكۇسنى مەركەز قىلغان (رەسىمنىڭ مەركىزىدىن 100 پېكسىلدىن تۆۋەن) ، MAS 1 ياكى 2 ، SAS 1 ۋە مېدىيانىڭ ئېنىقلىق دەرىجىسى 1 دىن تۆۋەن. چوڭلۇقى 16/16 بولغان رەسىملەردە ، كىچىك قىل قان تومۇرلار 15/16 دىن چوڭ رەسىملەردە كۆرۈلىدۇ.ئەگەر تۆۋەندىكى ئۆلچەملەرنىڭ بىرىگە ماس كەلسە ، رەسىم 0 (باھا يوق) بولىدۇ: رەسىم مەركىزىدىن ، MAS 4 بولسا ، SAS 2 بولسا ياكى ئوتتۇرىچە ئېنىقلىق دەرىجىسى رەسىمنىڭ 1/4 دىن يۇقىرى بولسا ، كىچىك قىل قان تومۇرلارنى پەرقلەندۈرۈش ئۈچۈن 1 دىن ئارتۇق رەسىم / 4 دىن ئارتۇق تەڭشىگىلى بولمايدۇ.0 ياكى 2 نومۇر ئۆلچىمىگە توشمايدىغان باشقا رەسىملەرنىڭ ھەممىسى 1 (كېسىش) قىلىپ نومۇرلىنىدۇ.
ئەنجۈر ئۈستىدە.1 كىچىكلىتىلگەن مۆلچەر ۋە رەسىم ئاسارە-ئەتىقىلەرنىڭ ھەر بىرىگە ئۈلگە رەسىملەر كۆرسىتىلدى.يەككە نومۇرلارنىڭ دەرىجىگە ئايرىپ ئىشەنچلىكلىكى كوخېننىڭ كاپپا ئېغىرلىقى تەرىپىدىن باھالانغان.ھەر بىر باھالىغۇچىنىڭ يەككە نومۇرى يىغىنچاقلىنىپ ، ھەر بىر رەسىمنىڭ ئومۇمىي نومۇرىغا ئېرىشىدۇ ، 0 دىن 4 گىچە بولىدۇ ، ئومۇمىي نومۇرى 4 بولغان رەسىملەر ياخشى دەپ قارىلىدۇ.ئومۇمىي نومۇرى 0 ياكى 1 بولغان رەسىملەر سۈپەتسىز ھېسابلىنىدۇ.
ImageNet سانلىق مەلۇمات ئامبىرىدىكى رەسىملەردە ئالدىن تەربىيەلەنگەن ResNet152 بىناكارلىق قۇرۇلما نېرۋا تورى (رەسىم 3A.i) fast.ai ۋە PyTorch رامكىسى 5 ، 9 ، 10 ، 11 ئارقىلىق ھاسىل قىلىنغان. تەۋرىنىش نېرۋا تورى ئۆگەنگەنلەرنى ئىشلىتىدىغان تور. بوشلۇق ۋە يەرلىك ئالاھىدىلىكلەرنى تەتقىق قىلىدىغان رەسىم پارچىلىرىنى سايىلەش ئۈچۈن سۈزگۈچ.بىزنىڭ تەربىيەلەنگەن ResNet 152 قەۋەتلىك نېرۋا تورى بولۇپ ، بوشلۇق ياكى «قالدۇق ئۇلىنىش» بىلەن ئىپادىلىنىدۇ ، ئۇ بىرلا ۋاقىتتا كۆپ ئېنىقلىق بىلەن ئۇچۇر يەتكۈزىدۇ.تور ئارقىلىق ئوخشىمىغان ئېنىقلىقتىكى ئۇچۇرلارنى لايىھىلەش ئارقىلىق ، سۇپا تۆۋەن دەرىجىدىكى رەسىملەرنىڭ ئىقتىدارلىرىنى كۆپ قاتلاملىق تەپسىلاتلارنى ئۆگەنەلەيدۇ.بىزنىڭ ResNet مودېلىمىزدىن باشقا ، بىز يەنە سېلىشتۇرۇش ئۈچۈن ئۇلىنىشنى يوقىتىپ قويماي ، ياخشى تەتقىق قىلىنغان نېرۋا تورى قۇرۇلمىسىنى ياخشى تەتقىق قىلغان AlexNet نى مەشىقلەندۈردۇق (3A.ii رەسىم) 12.ئۇلىنىش يوقاپ كەتمىسە ، بۇ تور تېخىمۇ يۇقىرى دەرىجىدىكى ئىقتىدارلارنى تۇتالمايدۇ.
ئەسلى 8 \ (\ times \) 8mm OCTA13 رەسىم توپلىمى گورىزونتال ۋە تىك نۇر قايتۇرۇش تېخنىكىسى ئارقىلىق كۈچەيتىلگەن.ئاندىن تولۇق سانلىق مەلۇمات جەدۋىلى ئىختىيارىي ھالدا رەسىم سەۋىيىسىدە بۆلۈنۈپ مەشىق (% 51.2) ، سىناق (% 12.8) ، يۇقىرى پارامېتىرلىق تەڭشەش (% 16) ۋە دەلىللەش (% 20) سانلىق مەلۇمات سانلىق مەلۇمات ئامبىرىنى scikit- ئۆگىنىش قورال ساندۇقى python14 ئارقىلىق ئايرىلدى.ئىككى خىل ئەھۋال كۆزدە تۇتۇلدى ، بىرى پەقەت ئەڭ يۇقىرى سۈپەتلىك رەسىملەرنى بايقاشنى ئاساس قىلىدۇ (ئومۇمىي نومۇر 4) ، يەنە بىرى پەقەت ئەڭ سۈپەتلىك رەسىملەرنى بايقاشنى ئاساس قىلىدۇ (ئومۇمىي نومۇر 0 ياكى 1).ھەر بىر يۇقىرى سۈپەتلىك ۋە تۆۋەن سۈپەتلىك ئىشلىتىش قېپىغا نىسبەتەن ، نېرۋا تورى رەسىم سانلىق مەلۇماتلىرىمىزدا بىر قېتىم قايتا تەربىيلىنىدۇ.ھەر بىر ئىشلىتىشتە ، نېرۋا تورى 10 دەۋر ئۈچۈن مەشىقلەندۈرۈلدى ، ئەڭ يۇقىرى قەۋەت ئېغىرلىقتىن باشقا ھەممىسى توڭلىتىلدى ، بارلىق ئىچكى پارامېتىرلارنىڭ ئېغىرلىقى 40 دەۋردە كەمسىتىش خاراكتېرلىك ئۆگىنىش نىسبىتى ئۇسۇلى ئارقىلىق ئۆز-ئارا گىرەلەشمە يوقىتىش ئىقتىدارى ئارقىلىق 15 ، 16..كرېست ئېنتىروپى يوقىتىش ئىقتىدارى ئالدىن پەرەز قىلىنغان تور بەلگىسى بىلەن ھەقىقىي سانلىق مەلۇمات ئوتتۇرىسىدىكى ئوخشىماسلىقنىڭ لوگارىزىم ئۆلچىمىنىڭ ئۆلچىمى.مەشىق جەريانىدا نېرۋا تورىنىڭ ئىچكى پارامېتىرلىرىدا ئاستا-ئاستا چۈشۈش ئېلىپ بېرىلىپ ، زىياننى ئازايتىدۇ.ئۆگىنىش نىسبىتى ، ئوقۇشتىن چېكىنىش نىسبىتى ۋە ئېغىرلىقنى تۆۋەنلىتىش يۇقىرى پارامېتىرلىرى Bayesian ئەلالاشتۇرۇش ئارقىلىق 2 ئىختىيارى باشلىنىش نۇقتىسى ۋە 10 قېتىم تەكرارلاش ئارقىلىق تەڭشەلدى ، سانلىق مەلۇمات جەدۋىلىدىكى AUC يۇقىرى قان بېسىم پارامېتىرىنى ئىشلىتىپ 17 نىشان قىلىپ تەڭشەلدى.
يۈزەكى قىل قان تومۇر ئەۋرىشىملىكنىڭ 8 × 8 مىللىمېتىرلىق OCTA رەسىملىرىنىڭ ۋەكىللىك مىسالى 2 (A ، B) ، 1 (C ، D) ۋە 0 (E, F).كۆرسىتىلگەن رەسىم ئاسارە-ئەتىقىلەر لەپىلدەپ تۇرغان سىزىقلار (ئوقيا) ، بۆلەك ئەسەرلىرى (يۇلتۇزلار) ۋە مېدىيا ئېنىقلىقى (ئوق) قاتارلىقلارنى ئۆز ئىچىگە ئالىدۇ.رەسىم (E) مۇ مەركەزنىڭ سىرتىدا.
قوبۇللىغۇچنىڭ مەشغۇلات ئالاھىدىلىكى (ROC) ئەگرى سىزىقى بارلىق نېرۋا تورى مودېللىرى ئۈچۈن ھاسىل بولىدۇ ، ھەر بىر تۆۋەن سۈپەتلىك ۋە سۈپەتلىك ئىشلىتىش قېپى ئۈچۈن ماتورنىڭ سىگنال كۈچلۈكلىكى دوكلاتى ھاسىل قىلىنىدۇ.ئەگرى سىزىق (AUC) رايونى pROC R بولىقى ئارقىلىق ھېسابلىنىدۇ ،% 95 ئىشەنچ ئارىلىقى ۋە p قىممىتى DeLong ئۇسۇلى ئارقىلىق ھېسابلىنىدۇ.ئىنسان باھالىغۇچىلارنىڭ جۇغلانما نومۇرى بارلىق ROC ھېسابلاشنىڭ ئاساسى سۈپىتىدە ئىشلىتىلىدۇ.ماشىنا دوكلات قىلغان سىگنال كۈچىگە نىسبەتەن ، AUC ئىككى قېتىم ھېسابلىنىدۇ: بىر قېتىم يۇقىرى سۈپەتلىك كۆلەملەشتۈرۈش نومۇرىنى كېسىش ئۈچۈن ، بىر قېتىم تۆۋەن سۈپەتلىك كېڭەيتىش نومۇرىنى كېسىش ئۈچۈن.نېرۋا تورى ئۆزىنىڭ مەشىق ۋە باھالاش شارائىتىنى ئەكس ئەتتۈرىدىغان AUC سىگنال كۈچىگە سېلىشتۇرۇلغان.
تەربىيەلەنگەن چوڭقۇر ئۆگىنىش ئەندىزىسىنى ئايرىم سانلىق مەلۇمات جەدۋىلىدە يەنىمۇ سىناش ئۈچۈن ، يالې ئۇنىۋېرسىتېتىدىن توپلانغان 32 تولۇق يۈز 6 \ (\ قېتىم \) 6 مىللىمېتىرلىق يەر يۈزى تاختاي سۈرىتىنى ئىقتىدار باھالاشتا يۇقىرى سۈپەتلىك ۋە تۆۋەن سۈپەتلىك مودېللار بىۋاسىتە قوللىنىلدى.كۆز ماسسىسى رەسىم 8 \ (\ قېتىم \) 8 مىللىمېتىر بىلەن ئوخشاش ۋاقىتتا مەركەز قىلىنغان.6 \ (\ × \) 6 مىللىمېتىرلىق رەسىملەر ئوخشاش دەرىجىدىكى (RD ۋە JW) تەرىپىدىن 8 \ (\ × \) 8 مىللىمېتىرلىق رەسىمگە ئوخشاش قولدا باھالانغان ، AUC شۇنداقلا توغرىلىق ۋە كوخېننىڭ كاپپا ھېسابلانغان. .ئوخشاشلا.
سىنىپتىكى تەڭپۇڭسىزلىق نىسبىتى تۆۋەن سۈپەتلىك مودېل ئۈچۈن 158: 189 (\ (\ rho = 1.19 \)) ، يۇقىرى سۈپەتلىك مودېل ئۈچۈن 80: 267 (\ (\ rho = 3.3 \)).سىنىپ تەڭپۇڭسىزلىقى نىسبىتى 1: 4 كىمۇ يەتمىگەچكە ، سىنىپ تەڭپۇڭسىزلىقىنى تۈزىتىش ئۈچۈن ھېچقانداق ئالاھىدە بىناكارلىق ئۆزگەرتىش ئېلىپ بېرىلمىدى.
ئۆگىنىش جەريانىنى تېخىمۇ ياخشى تەسۋىرلەش ئۈچۈن ، يۇقىرى سۈپەتلىك ResNet152 مودېلى ، تۆۋەن سۈپەتلىك ResNet152 مودېلى ، ئەلا سۈپەتلىك AlexNet مودېلى ۋە تۆۋەن سۈپەتلىك AlexNet مودېلى قاتارلىق تۆت تەربىيەلەنگەن چوڭقۇر ئۆگىنىش ئەندىزىسىنىڭ ھەممىسىدە سىنىپ ئاكتىپلاش خەرىتىسى بارلىققا كەلدى.سىنىپ ئاكتىپلاش خەرىتىسى بۇ تۆت خىل مودېلنىڭ كىرگۈزۈش ئېنىقلىق قەۋىتىدىن ھاسىل قىلىنغان بولۇپ ، ئىسسىقلىق خەرىتىسى 8 × 8 مىللىمېتىر ۋە 6 × 6 مىللىمېتىرلىق دەلىللەش يۈرۈشلۈكىنىڭ مەنبە رەسىمى بىلەن ئاكتىپلاش خەرىتىسىنى قاپلاش ئارقىلىق ھاسىل قىلىنغان.
R نەشرى 4.0.3 بارلىق ستاتىستىكىلىق ھېسابلاشلارغا ئىشلىتىلگەن بولۇپ ، ggplot2 گرافىك قورال ئامبىرى ئارقىلىق تەسۋىر ھاسىل قىلىنغان.
بىز 134 ئادەمدىن 8 \ (\ قېتىم \) 8 مىللىمېتىر كېلىدىغان يۈزەكى قىل قان تومۇرنىڭ 347 ئالدى رەسىمىنى توپلىدۇق.بۇ ماشىنا بارلىق رەسىملەر ئۈچۈن 0 دىن 10 گىچە بولغان سىگنال كۈچىنى دوكلات قىلدى (ئوتتۇرىچە = 6.99 ± 2.29).ئېرىشكەن 347 پارچە رەسىمنىڭ ئوتتۇرىچە يېشى 58.7 ± 14.6 ياش ،% 39.2 ئەر بىمارلاردىن.بارلىق رەسىملەرنىڭ ئىچىدە% 30.8 كاۋكازلىق ،% 32.6 قارا تەنلىك ،% 30.8 ئىسپانىيەلىك ،% 4 ئاسىيالىق ۋە% 1.7 باشقا ئىرقتىن كەلگەن (1-جەدۋەل).).OCTA بىمارلىرىنىڭ ياش تەقسىماتى رەسىمنىڭ سۈپىتىگە ئاساسەن كۆرۈنەرلىك پەرقلىنىدۇ (p <0.001).18-45 ياشقىچە بولغان ياش بىمارلارنىڭ يۇقىرى سۈپەتلىك سۈرەتلەرنىڭ نىسبىتى% 33.8 بولۇپ ، تۆۋەن سۈپەتلىك رەسىملەرنىڭ% 12.2 گە سېلىشتۇرغاندا (1-جەدۋەل).دىئابىت كېسەللىكى كۆرۈش تور پەردىسىنىڭ تارقىلىشىمۇ سۈرەت سۈپىتىدە كۆرۈنەرلىك پەرقلىنىدۇ (p <0.017).بارلىق يۇقىرى سۈپەتلىك رەسىملەر ئىچىدە PDR بىمارلىرىنىڭ نىسبىتى% 18.8 بولۇپ ، بارلىق تۆۋەن سۈپەتلىك رەسىملەرنىڭ% 38.8 گە سېلىشتۇرغاندا (1-جەدۋەل).
بارلىق رەسىملەرنىڭ يەككە باھاسى رەسىملەرنى ئوقۇغان كىشىلەر ئارىسىدا ئوتتۇراھال ۋە كۈچلۈك دەرىجىدىكى دەرىجىدىكى ئىشەنچلىكلىكىنى كۆرسىتىپ بەردى (كوخېننىڭ ئېغىرلىقتىكى كاپپا = 0.79 ،% 95 CI: 0.76-0.82) ، باھالىغۇچىلار 1 دىن كۆپ پەرقلىنىدىغان رەسىم نۇقتىلىرى يوق (رەسىم). 2A)..سىگنالنىڭ كۈچلۈكلۈكى قولدا نومۇر ئېلىش بىلەن كۆرۈنەرلىك باغلىنىشلىق (Pearson مەھسۇلات پەيتىنىڭ باغلىنىشچانلىقى = 0.58 ،% 95 CI 0.51–0.65 ، p <0.001) ، ئەمما نۇرغۇن رەسىملەرنىڭ سىگنالنىڭ كۈچلۈكلۈكى يۇقىرى ، ئەمما قولدا نومۇر ئېلىشنىڭ تۆۋەن ئىكەنلىكى ئېنىقلاندى (2-رەسىم).
ResNet152 ۋە AlexNet بىناكارلىق قۇرۇلۇشلىرىنى مەشىقلەندۈرۈش جەريانىدا ، دەلىللەش ۋە تەربىيىلەشتە ھالقىغان زىيان 50 دەۋردىن ئېشىپ كېتىدۇ (3B ، C رەسىم).ئاخىرقى مەشىق دەۋرىدىكى دەلىللەش توغرىلىقى ھەم سۈپەتلىك ھەم تۆۋەن سۈپەتلىك ئىشلىتىش ئەھۋاللىرىنىڭ% 90 تىن ئېشىپ كەتتى.
قوبۇللىغۇچنىڭ ئىقتىدار ئەگرى سىزىقىدا كۆرسىتىلىشىچە ، ResNet152 مودېلى تۆۋەن ۋە يۇقىرى سۈپەتلىك ئىشلىتىش ئەھۋاللىرىدا ماشىنا دوكلات قىلغان سىگنال كۈچىدىن كۆرۈنەرلىك ئېشىپ كەتكەن (p <0.001).ResNet152 مودېلى يەنە AlexNet قۇرۇلمىسىدىن كۆرۈنەرلىك تۆۋەن (ئايرىم-ئايرىم ھالدا تۆۋەن سۈپەتلىك ۋە يۇقىرى سۈپەتلىك ئەھۋاللار ئۈچۈن p = 0.005 ۋە p = 0.014).بۇ ۋەزىپىلەرنىڭ ھەر بىرىدە بارلىققا كەلگەن مودېللار ئايرىم-ئايرىم ھالدا 0.99 ۋە 0.97 بولغان AUC قىممىتىنى قولغا كەلتۈرەلەيدىغان بولدى ، بۇ ماشىنا سىگنال كۈچى كۆرسەتكۈچىنىڭ ماس كېلىدىغان AUC قىممىتى 0.82 ۋە 0.78 ياكى AlexNet ئۈچۈن 0.97 ۋە 0.94 دىن كۆرۈنەرلىك ياخشى. ..(3-رەسىم).يۇقىرى سۈپەتلىك رەسىملەرنى تونۇغاندا ResNet بىلەن AUC نىڭ سىگنال كۈچىدىكى پەرقى تېخىمۇ يۇقىرى بولۇپ ، ResNet نى بۇ ۋەزىپە ئۈچۈن ئىشلىتىشنىڭ قوشۇمچە پايدىسىنى كۆرسىتىپ بېرىدۇ.
بۇ گرافىكلار ھەر بىر مۇستەقىل باھالىغۇچىنىڭ ماشىنا دوكلات قىلغان سىگنال كۈچى بىلەن سېلىشتۇرۇش ۋە سېلىشتۇرۇش ئىقتىدارىنى كۆرسىتىپ بېرىدۇ.(1) باھالانغان نومۇرلارنىڭ يىغىندىسى باھالىنىدىغان ئومۇمىي نومۇرنى ھاسىل قىلىشقا ئىشلىتىلىدۇ.ئومۇمىي كۆلەملەشتۈرۈش نومۇرى 4 بولغان رەسىملەرگە يۇقىرى سۈپەتلىك تەقسىم قىلىنغان ، ئومۇمىي كۆلەملەشتۈرۈش نومۇرى 1 ياكى ئۇنىڭدىن تۆۋەن بولغان رەسىملەرگە تۆۋەن سۈپەت بېرىلگەن.(2) سىگنالنىڭ كۈچلۈكلۈكى قول بىلەن مۆلچەرلەش بىلەن مۇناسىۋەتلىك ، ئەمما سىگنالنىڭ كۈچلۈكلىكى يۇقىرى سۈرەتلەرنىڭ سۈپىتى تېخىمۇ ناچار بولۇشى مۇمكىن.قىزىل چېكىتلىك سىزىق سىگنال كۈچى (سىگنال كۈچى \ (\ ge \) 6) گە ئاساسەن ئىشلەپچىقارغۇچىنىڭ تەۋسىيە قىلغان سۈپەت چەكلىمىسىنى كۆرسىتىدۇ.
ResNet يۆتكەش ئۆگىنىشى ماشىنا دوكلات قىلغان سىگنال دەرىجىسىگە سېلىشتۇرغاندا تۆۋەن سۈپەت ۋە يۇقىرى سۈپەتلىك ئىشلىتىش ئەھۋاللىرىنىڭ سۈرەت سۈپىتىنى پەرقلەندۈرۈشتە كۆرۈنەرلىك ياخشىلىنىش بىلەن تەمىنلەيدۇ.(A) ئالدىن تەربىيەلەنگەن (i) ResNet152 ۋە (ii) AlexNet قۇرۇلمىسىنىڭ ئاددىيلاشتۇرۇلغان قۇرۇلما دىئاگراممىسى.(2) ResNet152 نىڭ مەشىق تارىخى ۋە قوبۇللىغۇچنىڭ ئىقتىدار ئەگرى سىزىقى ماشىنا دوكلات قىلىنغان سىگنال كۈچى ۋە AlexNet تۆۋەن سۈپەت ئۆلچىمىگە سېلىشتۇرغاندا.(C) ResNet152 قوبۇللىغۇچنى تەربىيىلەش تارىخى ۋە ئىقتىدار ئەگرى سىزىقى ماشىنا دوكلات قىلىنغان سىگنال كۈچى ۋە AlexNet يۇقىرى سۈپەت ئۆلچىمىگە سېلىشتۇرغاندا.
قارار چېگرا بوسۇغىسىنى تەڭشىگەندىن كېيىن ، ResNet152 تىپىنىڭ ئەڭ يۇقىرى مۆلچەر ئېنىقلىقى تۆۋەن سۈپەت دېلوسىنىڭ% 95.3 ، يۇقىرى سۈپەتلىك دېلونىڭ% 93.5 (2-جەدۋەل).AlexNet ئەندىزىسىنىڭ ئەڭ يۇقىرى مۆلچەر ئېنىقلىقى تۆۋەن سۈپەتلىك قاپنىڭ% 91.0 ، يۇقىرى سۈپەتلىك قاپنىڭ% 90.1 (2-جەدۋەل).ئەڭ تۆۋەن سىگنال كۈچلۈكلۈكىنى مۆلچەرلەشنىڭ توغرىلىق نىسبىتى% 76.1 ، سۈپەتلىك ئىشلىتىش قېپىنىڭ% 77.8.كوخېننىڭ كاپپا (\ (\ kappa \)) غا ئاساسلانغاندا ، ResNet152 مودېلى بىلەن مۆلچەرلىگۈچىلەر ئوتتۇرىسىدىكى كېلىشىم تۆۋەن سۈپەتلىك دېلو ئۈچۈن 0.90 ، يۇقىرى سۈپەتلىك دېلو ئۈچۈن 0.81.Cohen's AlexNet kappa ئايرىم-ئايرىم ھالدا 0.82 ۋە 0.71.كوخېننىڭ سىگنال كۈچى كاپپا تۆۋەن ۋە يۇقىرى سۈپەتلىك ئىشلىتىش ئەھۋاللىرى ئۈچۈن ئايرىم-ئايرىم ھالدا 0.52 ۋە 0.27.
6 مىللىمېتىرلىق تەكشى تاختاينىڭ 6 \ (\ x \) رەسىملىرىدىكى يۇقىرى ۋە تۆۋەن سۈپەتلىك تونۇش مودېللىرىنىڭ دەلىللىنىشى تەربىيەلەنگەن مودېلنىڭ ھەر خىل تەسۋىر پارامېتىرلىرى ئارقىلىق سۈرەت سۈپىتىنى بەلگىلەش ئىقتىدارىنى نامايان قىلىدۇ.تەسۋىر ھاسىل قىلىش سۈپىتى ئۈچۈن 6 \ (\ x \) 6 مىللىمېتىرلىق تېيىز تاختاينى ئىشلەتكەندە ، تۆۋەن سۈپەتلىك مودېلنىڭ AUC قىممىتى 0.83 (% 95 CI: 0.69–0.98) ، يۇقىرى سۈپەتلىك مودېلنىڭ AUC سى 0.85 بولغان.(95% CI: 0.55-1.00) (2-جەدۋەل).
كىرگۈزۈش قەۋىتى سىنىپى ئاكتىپلاش خەرىتىسىنى كۆرۈنۈشلۈك تەكشۈرۈشتە كۆرسىتىلىشىچە ، تەربىيەلەنگەن بارلىق نېرۋا تورى رەسىملەرنى تۈرگە ئايرىش جەريانىدا رەسىم ئىقتىدارىنى ئىشلەتكەن (4A رەسىم ، B).8 \ (\ قېتىم \) 8 مىللىمېتىر ۋە 6 \ (\ قېتىم \) 6 مىللىمېتىرلىق رەسىم ئۈچۈن ، ResNet قوزغىتىش رەسىملىرى كۆرۈش تور پەردىسى قان تومۇرغا يېقىندىن ئەگىشىدۇ.AlexNet ئاكتىپلاش خەرىتىسى كۆرۈش تور پەردىسىگە ئەگىشىدۇ ، ئەمما ئېنىقلىق دەرىجىسى ئېنىق.
ResNet152 ۋە AlexNet تىپلىرىنىڭ سىنىپ ئاكتىپلاش خەرىتىسى رەسىم سۈپىتىگە مۇناسىۋەتلىك ئىقتىدارلارنى گەۋدىلەندۈرىدۇ.(A) 8 \ (\ قېتىم \) 8 مىللىمېتىرلىق دەلىللەش رەسىمىدە يۈزەكى كۆرۈش تور پەردىسى قان تومۇردىن كېيىن ماس قەدەملىك قوزغىتىشنى كۆرسىتىدىغان سىنىپ ئاكتىپلاش خەرىتىسى ۋە (B) دائىرىسى كىچىكرەك 6 \ (\ قېتىم \) 6 مىللىمېتىرلىق دەلىللەش رەسىمىدە.LQ مودېلى تۆۋەن سۈپەت ئۆلچىمىدە تەربىيەلەنگەن ، HQ مودېلى يۇقىرى سۈپەتلىك ئۆلچەمدە تەربىيەلەنگەن.
ئىلگىرى سۈرەت سۈپىتىنىڭ ھەر قانداق مىقداردىكى OCTA رەسىملىرىگە زور تەسىر كۆرسىتىدىغانلىقى كۆرسىتىلدى.ئۇنىڭدىن باشقا ، كۆرۈش تور پەردىسىنىڭ بولۇشى رەسىم بۇيۇملىرىنىڭ پەيدا بولۇش نىسبىتىنى ئاشۇرۇۋېتىدۇ.ئەمەلىيەتتە ، ئىلگىرىكى سانلىق مەلۇماتلىرىمىزغا ماس كېلىدىغان سانلىق مەلۇماتلىرىمىزدا ، كۆرۈش تور پەردىسى كېسەللىكلىرىنىڭ ياش ۋە ئېغىرلىق دەرىجىسى ۋە سۈرەت سۈپىتىنىڭ ناچارلىشىشى ئوتتۇرىسىدا كۆرۈنەرلىك باغلىنىشنى بايقىدۇق (ئايرىم-ئايرىم ھالدا ياش ۋە DR ھالىتى ئۈچۈن p <0.001 ، p = 0.017 ؛ جەدۋەل 1) 27 شۇڭلاشقا ، OCTA رەسىملىرىنى مىقدارلاشتۇرۇپ تەھلىل قىلىشتىن ئىلگىرى رەسىم سۈپىتىنى باھالاش ئىنتايىن مۇھىم.OCTA رەسىملىرىنى ئانالىز قىلىدىغان كۆپىنچە تەتقىقاتلاردا ماشىنا دوكلات قىلىنغان سىگنالنىڭ كۈچلۈكلۈك چېكىدىن پايدىلىنىپ تۆۋەن سۈپەتلىك رەسىملەرنى يوققا چىقىرىدۇ.گەرچە سىگنالنىڭ كۈچلۈكلۈكى OCTA پارامېتىرلىرىنىڭ مىقدارلىشىشىغا تەسىر كۆرسىتىدىغانلىقى كۆرسىتىلگەن بولسىمۇ ، ئەمما رەسىمنىڭ ئاسارە-ئەتىقىلەر بىلەن رەسىملەرنى رەت قىلىشقا پەقەت يۇقىرى سىگنالنىڭ كۈچلۈكلۈكى يېتەرلىك ئەمەس.شۇڭلاشقا ، رەسىم سۈپىتىنى كونترول قىلىشنىڭ تېخىمۇ ئىشەنچلىك ئۇسۇلىنى تەرەققىي قىلدۇرۇش كېرەك.بۇنىڭ ئۈچۈن بىز نازارەت قىلىنغان چوڭقۇر ئۆگىنىش ئۇسۇللىرىنىڭ ماشىنا دوكلات قىلغان سىگنال كۈچىگە قارشى ئىقتىدارىنى باھالايمىز.
بىز رەسىم سۈپىتىنى باھالاش ئۈچۈن بىر قانچە مودېلنى تەتقىق قىلىپ چىقتۇق ، چۈنكى ئوخشىمىغان OCTA ئىشلىتىش قېپىنىڭ ئوخشىمىغان سۈرەت سۈپىتىگە بولغان تەلىپى بولۇشى مۇمكىن.مەسىلەن ، رەسىملەر تېخىمۇ سۈپەتلىك بولۇشى كېرەك.ئۇنىڭدىن باشقا ، كونكرېت مىقدار پارامېتىرلىرىمۇ مۇھىم.مەسىلەن ، ئومۇرتقا قان تومۇر رايونىنىڭ دائىرىسى مەركىزى بولمىغان ۋاستىنىڭ تۇراقسىزلىقىغا باغلىق ئەمەس ، بەلكى تومۇرلارنىڭ زىچلىقىغا تەسىر كۆرسىتىدۇ.تەتقىقاتىمىز داۋاملىق سۈرەت سۈپىتىگە بولغان ئومۇمىي كۆز قاراشقا مەركەزلەشكەن بولسىمۇ ، ئەمما ھېچقانداق ئالاھىدە سىناقنىڭ تەلىپىگە باغلانمىغان ، ئەمما ماشىنا دوكلات قىلغان سىگنال كۈچىنىڭ ئورنىنى بىۋاسىتە ئالماشتۇرۇشنى مەقسەت قىلغان بولسىمۇ ، ئەمما بىز ئابونتلارغا تېخىمۇ كۆپ كونترول قىلىشنى ئۈمىد قىلىمىز. ئىشلەتكۈچىگە قىزىقىدىغان كونكرېت ئۆلچەملەرنى تاللىيالايدۇ.قوبۇل قىلىشقا بولىدىغان رەسىم ئەسەرلىرىنىڭ ئەڭ يۇقىرى دەرىجىسىگە ماس كېلىدىغان مودېلنى تاللاڭ.
تۆۋەن سۈپەتلىك ۋە يۇقىرى سۈپەتلىك كۆرۈنۈشلەرگە نىسبەتەن ، بىز ئۇلىنىش يوقاپ كەتكەن چوڭقۇر تەۋرىنىش نېرۋا تورىنىڭ ئەلا ئىپادىسىنى كۆرسىتىمىز ، AUC لار ئايرىم-ئايرىم ھالدا 0.97 ۋە 0.99 ۋە تۆۋەن سۈپەتلىك مودېللار.بىز پەقەت ماشىنىلارلا دوكلات قىلغان سىگنال دەرىجىسىگە سېلىشتۇرغاندا ، چوڭقۇر ئۆگىنىش ئۇسۇلىمىزنىڭ ئەۋزەللىكىنى نامايان قىلىمىز.ئۇلىنىشتىن ھالقىش نېرۋا تورىنىڭ كۆپ قاتلاملىق ئىقتىدارلارنى ئۆگىنىشىگە يول قويىدۇ ، رەسىملەرنىڭ ئىنچىكە تەرەپلىرىنى (مەسىلەن سېلىشتۇرما) شۇنداقلا ئومۇمىي ئىقتىدارلارنى (مەسىلەن رەسىمنى مەركەز قىلىش 30،31) ئىگىلەيدۇ.رەسىم سۈپىتىگە تەسىر يەتكۈزىدىغان رەسىم بۇيۇملىرى بەلكىم كەڭ دائىرىدە ئېنىقلانغان بولۇشى مۇمكىن ، ئۇلىنىشى يوق نېرۋا تورى قۇرۇلمىسى رەسىم سۈپىتىنى بەلگىلەش ۋەزىپىسى بولمىغانلارغا قارىغاندا تېخىمۇ ياخشى ئىقتىدارنى نامايان قىلىشى مۇمكىن.
مودېلىمىزنى 6 \ (\ × 6mm) OCTA رەسىملىرىدە سىناق قىلغاندا ، تۈرگە ئايرىش ئۈچۈن تەربىيەلەنگەن مودېلنىڭ چوڭ-كىچىكلىكىگە سېلىشتۇرغاندا ، يۇقىرى سۈپەتلىك ۋە تۆۋەن سۈپەتلىك مودېللارنىڭ تۈرگە ئايرىش ئىقتىدارىنىڭ تۆۋەنلىگەنلىكىنى بايقىدۇق (2-رەسىم).ResNet ئەندىزىسىگە سېلىشتۇرغاندا ، AlexNet مودېلىنىڭ چۈشۈش نىسبىتى تېخىمۇ چوڭ.ResNet نىڭ بىر قەدەر ياخشى ئىقتىدارى قالدۇق ئۇلىنىشنىڭ كۆپ خىل تارازادا ئۇچۇر يەتكۈزۈش ئىقتىدارىدىن بولۇشى مۇمكىن ، بۇ مودېلنى ئوخشىمىغان تارازا ۋە ياكى چوڭايتىشتا تارتىلغان رەسىملەرنى تۈرگە ئايرىش ئۈچۈن تېخىمۇ مۇستەھكەم قىلىدۇ.
8 \ (\ × \) 8 مىللىمېتىرلىق رەسىم بىلەن 6 \ (\ × \) 6 مىللىمېتىرلىق رەسىم ئارىسىدىكى بەزى پەرقلەر ناچار تۈرگە ئايرىشنى كەلتۈرۈپ چىقىرىدۇ ، بۇنىڭ ئىچىدە يەلتاشما قان تومۇر رايونى بار رەسىملەرنىڭ نىسبىتى بىر قەدەر يۇقىرى ، كۆرۈنۈشچانلىقى ، قان تومۇر ئارتىسى ۋە رەسىمدىكى ئوپتىك نېرۋا 6 × 6 مىللىمېتىر.مۇشۇنداق بولۇشىغا قارىماي ، بىزنىڭ يۇقىرى سۈپەتلىك ResNet مودېلىمىز 6 \ (\ x \) 6 مىللىمېتىرلىق رەسىم ئۈچۈن% 85 لىك AUC نى قولغا كەلتۈرەلەيدىغان بولدى ، بۇ مودېل مودېل تەربىيەلەنمىگەن بولۇپ ، بۇ نېرۋا تورىدا كودلانغان رەسىم سۈپىتىنىڭ ئۇچۇر ئىكەنلىكىنى كۆرسىتىپ بېرىدۇ. ماس كېلىدۇ.مەشىقنىڭ سىرتىدىكى بىر رەسىم چوڭلۇقى ياكى ماشىنا سەپلىمىسى ئۈچۈن (2-جەدۋەل).كىشىنى خاتىرجەم قىلىدىغان يېرى شۇكى ، ResNet- ۋە AlexNet غا ئوخشاش 8 \ (\ قېتىم \) 8 مىللىمېتىر ۋە 6 \ (\ قېتىم \) 6 مىللىمېتىرلىق رەسىمنىڭ قوزغىتىش خەرىتىسى ھەر ئىككى ئەھۋالدا كۆرۈش تور پەردىسىنى گەۋدىلەندۈرەلەيدىغان بولۇپ ، بۇ مودېلنىڭ مۇھىم ئۇچۇرلارنىڭ بارلىقىنى كۆرسىتىپ بېرىدۇ.ھەر ئىككى خىل OCTA رەسىملىرىنى تۈرگە ئايرىشقا ماس كېلىدۇ (4-رەسىم).
Lauerman et al.OCTA رەسىملىرىدىكى رەسىم سۈپىتىنى باھالاش ئوخشاشلا Inception قۇرۇلمىسى ئارقىلىق ئېلىپ بېرىلغان بولۇپ ، چوڭقۇرلاپ ئۆگىنىش تېخنىكىسىدىن پايدىلىنىپ يەنە بىر ئاتلاش ئۇلىنىشى تەۋرىنىش نېرۋا تورى 6،32.ئۇلار يەنە بۇ تەتقىقاتنى يۈزەكى قىل قان تومۇرنىڭ سۈرىتى بىلەنلا چەكلىدى ، ئەمما Optovue AngioVue دىن كىچىكرەك 3 × 3 مىللىمېتىرلىق رەسىمنىلا ئىشلەتتى ، گەرچە ھەرخىل خورېنىت كېسەللىرى بىمارلىرىمۇ بۇنىڭ ئىچىدە.بىزنىڭ خىزمىتىمىز ئۇلارنىڭ ئاساسىنى ئاساس قىلىدۇ ، بۇنىڭ ئىچىدە كۆپ خىل مودېللار بار بولۇپ ، ھەر خىل رەسىملەرنىڭ سۈپەت چەكلىمىسىنى ھەل قىلىدۇ ۋە ئوخشىمىغان چوڭلۇقتىكى رەسىملەرنىڭ نەتىجىسىنى دەلىللەيدۇ.بىز يەنە ماشىنا ئۆگىنىش ئەندىزىسىنىڭ AUC كۆرسەتكۈچىنى دوكلات قىلىمىز ھەمدە تۆۋەن سۈپەتلىك (% 96) ۋە يۇقىرى سۈپەتلىك (% 95.7) مودېللارنىڭ ئاللىبۇرۇن كىشىنى ھەيران قالدۇرىدىغان توغرىلىقىنى (% 90) 6 ئۆستۈرىمىز.
بۇ مەشىقنىڭ بىر قانچە چەكلىمىسى بار.ئالدى بىلەن ، بۇ رەسىملەر پەقەت بىرلا OCTA ماشىنىسى بىلەن سېتىۋېلىندى ، بۇنىڭ ئىچىدە پەقەت 8 \ (\ قېتىم \) 8 مىللىمېتىر ۋە 6 \ (\ قېتىم \) 6 مىللىمېتىرلىق يۈزەكى قىل قان تومۇرنىڭ سۈرىتى بار.رەسىملەرنى تېخىمۇ چوڭقۇر قاتلامدىن چىقىرىۋېتىشنىڭ سەۋەبى ، تەسۋىر بويۇملىرى رەسىملەرنى قول بىلەن باھالاشنى تېخىمۇ قىيىنلاشتۇرۇشى ۋە بىردەك بولماسلىقى مۇمكىن.ئۇندىن باشقا ، رەسىملەر پەقەت دىئابىت بىمارلىرىدىلا سېتىۋېلىندى ، ئۇلار ئۈچۈن OCTA مۇھىم دىئاگنوز قويۇش ۋە ئالدىن پەرەز قىلىش قورالى سۈپىتىدە ئوتتۇرىغا چىقىۋاتىدۇ.گەرچە بىز ئوخشىمىغان چوڭلۇقتىكى رەسىملەردە مودېلىمىزنى سىناق قىلىپ ، نەتىجىنىڭ پۇختا بولۇشىغا كاپالەتلىك قىلالىغان بولساقمۇ ، ئوخشىمىغان مەركەزلەردىن ماس كېلىدىغان سانلىق مەلۇمات جەدۋىلىنى پەرقلەندۈرەلمىدۇق ، بۇ مودېلنىڭ ئومۇملىشىش دەرىجىسىنى باھالىشىمىزنى چەكلەپ قويدى.بۇ رەسىملەر پەقەت بىرلا مەركەزدىن ئېلىنغان بولسىمۇ ، ئۇلار ئوخشىمىغان مىللەت ۋە ئىرقتىكى بىمارلاردىن ئېلىنغان ، بۇ بىزنىڭ تەتقىقاتىمىزنىڭ ئۆزگىچە كۈچى.مەشىق جەريانىدىكى كۆپ خىللىقنى ئۆز ئىچىگە ئېلىش ئارقىلىق ، نەتىجىلىرىمىزنىڭ تېخىمۇ كەڭ مەنىدە ئومۇملاشتۇرۇلۇشىنى ، بىز مەشىق قىلغان مودېللاردا ئىرقىي كەمسىتىشنى كودلاشتىن ساقلىنىشىمىزنى ئۈمىد قىلىمىز.
تەتقىقاتىمىزدا كۆرسىتىلىشىچە ، ئۇلىنىشتىن ھالقىغان نېرۋا تورىنى مەشىقلەندۈرۈپ ، OCTA رەسىم سۈپىتىنى بەلگىلەشتە يۇقىرى ئۈنۈمگە ئېرىشكىلى بولىدىكەن.بىز بۇ مودېللارنى كېيىنكى تەتقىقاتنىڭ قورالى سۈپىتىدە تەمىنلەيمىز.ئوخشىمىغان ئۆلچەملەرنىڭ ئوخشىمىغان سۈرەت سۈپىتىگە بولغان تەلىپى بولۇشى مۇمكىن ، شۇڭا بۇ يەردە قۇرۇلغان قۇرۇلمىدىن پايدىلىنىپ ھەر بىر ئۆلچەم ئۈچۈن يەككە سۈپەت كونترول ئەندىزىسىنى تەرەققىي قىلدۇرغىلى بولىدۇ.
كەلگۈسىدىكى تەتقىقاتتا ئوخشىمىغان چوڭقۇرلۇقتىكى ئوخشىمىغان چوڭلۇقتىكى رەسىملەر ۋە ئوخشىمىغان OCTA ماشىنىلىرى بولۇشى كېرەك ، OCTA سۇپىسى ۋە تەسۋىر ھاسىل قىلىش كېلىشىمنامىلىرىگە ئومۇملاشتۇرغىلى بولىدىغان چوڭقۇر ئۆگىنىش سۈپىتىنى باھالاش جەريانىغا ئېرىشىش كېرەك.نۆۋەتتىكى تەتقىقاتلار ئىنسانلارنىڭ باھالاش ۋە ئوبراز باھالىشىنى تەلەپ قىلىدىغان نازارەت قىلىنىدىغان چوڭقۇر ئۆگىنىش ئۇسۇلىنى ئاساس قىلغان بولۇپ ، چوڭ سانلىق مەلۇمات سانلىق مەلۇماتلىرى ئۈچۈن ئەمگەك كۆپ ۋە ۋاقىت ئىسراپ قىلالايدۇ.نازارەت قىلىنمىغان چوڭقۇر ئۆگىنىش ئۇسۇللىرىنىڭ تۆۋەن سۈپەتلىك رەسىملەر بىلەن يۇقىرى سۈپەتلىك رەسىملەرنى يېتەرلىك پەرقلەندۈرەلەمدۇ يوق بۇنى يەنىلا كۆزىتىشكە توغرا كېلىدۇ.
OCTA تېخنىكىسىنىڭ ئۈزلۈكسىز تەرەققىي قىلىشى ۋە سىكاننېرلاش سۈرئىتىنىڭ ئېشىشىغا ئەگىشىپ ، رەسىم بۇيۇملىرى ۋە سۈپەتسىز سۈرەتلەرنىڭ كۆرۈلۈش نىسبىتى تۆۋەنلىشى مۇمكىن.يۇمشاق دېتالنىڭ ياخشىلىنىشى ، مەسىلەن يېقىندا تونۇشتۇرۇلغان لايىھە بويۇملىرىنى ئېلىۋېتىش ئىقتىدارىمۇ بۇ چەكلىمىلەرنى پەسەيتەلەيدۇ.قانداقلا بولمىسۇن ، نۇرغۇن مەسىلىلەر ئوڭشالمىغان ياكى تاراتقۇلارنىڭ تۇراقسىزلىقى بىمارلارنىڭ تەسۋىرىنى ئۆزگەرتىپ ، رەسىم ئەسەرلىرىنى ئۆزگەرتىدۇ.OCTA كلىنىكىلىق سىناقلاردا تېخىمۇ كەڭ قوللىنىلىدىغان بولغاچقا ، ئەستايىدىل تەھلىل قىلىپ ، رەسىم ئانالىز قىلىش ئۈچۈن قوبۇل قىلىنىدىغان رەسىم يادىكارلىقلىرىنىڭ ئېنىق كۆرسەتمىسىنى تۇرغۇزۇش كېرەك.OCTA رەسىملىرىگە چوڭقۇر ئۆگىنىش ئۇسۇللىرىنى قوللىنىش زور ۋەدىلەرنى بېرىدۇ ، بۇ ساھەدە يەنىمۇ ئىلگىرىلىگەن ھالدا تەتقىقات ئېلىپ بېرىپ ، سۈرەت سۈپىتىنى كونترول قىلىشنىڭ كۈچلۈك ئۇسۇلىنى تەرەققىي قىلدۇرۇش كېرەك.
نۆۋەتتىكى تەتقىقاتتا ئىشلىتىلگەن كود octa-qc ئامبىرىدا ، https://github.com/rahuldhodapkar/octa-qc.نۆۋەتتىكى تەتقىقات جەريانىدا ھاسىل قىلىنغان ۋە / ياكى ئانالىز قىلىنغان سانلىق مەلۇماتلار مۇۋاپىق تەلەپكە ئاساسەن مۇناسىۋەتلىك ئاپتورلاردىن تەمىنلىنىدۇ.
Spaide, RF, Fujimoto, JG & Waheed, NK ئوپتىكىلىق ماسلىشىش ئانگېئوگرافىيىسىدىكى رەسىم بۇيۇملىرى.Retina 35, 2163–2180 (2015).
Fenner, BJ et al.OCT ئانگېئوگرافىيىسىدىكى كۆرۈش تور پەردىسى قىل قان تومۇر ئەۋرىشىم زىچلىقىنى ئۆلچەشنىڭ سۈپىتى ۋە كۆپىيىشىنى بەلگىلەيدىغان تەسۋىر ئىقتىدارىنى پەرقلەندۈرۈش.BR.J. Ophthalmol.102 ، 509–514 (2018).
Lauerman, JL et al.كۆزنى ئىز قوغلاش تېخنىكىسىنىڭ OCT ئانگىئوگرافىيەسىنىڭ سۈرەت سۈپىتىگە بولغان تەسىرى ياشنىڭ مۇناسىۋەتلىك ماكولا چېكىنىشىدىكى تەسىرى.قەبرە قوۋۇق.كلىنىكىلىق.Exp.كۆز كېسەللىكلىرى.255 ، 1535–1542 (2017).
Babyuch AS et al.OCTA قىل قان تومۇر قېتىشىش زىچلىقىنى ئۆلچەش ماكولا قان يېتىشمەسلىك كېسىلىنى بايقاش ۋە باھالاشقا ئىشلىتىلىدۇ.كۆز كېسەللىكلىرى ئوپېراتسىيەسى.كۆرۈش تور پەردىسى لازېر تەسۋىرى 51 ، S30 - S36 (2020).
ئۇ ، ك ، جاڭ ، X ، رېن ، س ۋە قۇياش ، رەسىمنى تونۇش ئۈچۈن چوڭقۇر ئۆگىنىش.2016-يىلى IEEE كومپيۇتېر كۆرۈش ۋە ئۈلگە تونۇش يىغىنىدا (2016).
Lauerman, JL et al.چوڭقۇر ئۆگىنىش ھېسابلاش ئۇسۇلى ئارقىلىق ئاپتوماتىك OCT ئانگىئوگرافىك رەسىم سۈپىتىنى باھالاش.قەبرە قوۋۇق.كلىنىكىلىق.Exp.كۆز كېسەللىكلىرى.257 ، 1641–1648 (2019).
Lauermann, J. et al.OCT ئانگىئوگرافىيىسىدە بۆلەك خاتالىقى ۋە ھەرىكەت بۇيۇملىرىنىڭ ئومۇملىشىشى كۆرۈش تور پەردىسى كېسەللىكلىرىگە باغلىق.قەبرە قوۋۇق.كلىنىكىلىق.Exp.كۆز كېسەللىكلىرى.256 ، 1807–1816 (2018).
Pask, Adam et al.Pytorch: تەسىرلىك ، يۇقىرى ئىقتىدارلىق چوڭقۇر ئۆگىنىش كۇتۇپخانىسى.نېرۋا ئۇچۇرلىرىنى ئىلغار بىر تەرەپ قىلىش.سىستېما.32 ، 8026–8037 (2019).
دېڭ ، J. قاتارلىقلار.ImageNet: چوڭ كۆلەمدىكى قاتلاملىق رەسىم ئامبىرى.2009-يىللىق IEEE كومپيۇتېر كۆرۈش ۋە ئۈلگە تونۇش يىغىنى.248–255.(2009).
Krizhevsky A. ، Sutzkever I. ۋە Hinton GE Imagenet چوڭقۇر قاتلاملىق نېرۋا تورىدىن پايدىلىنىپ تۈرگە ئايرىلىدۇ.نېرۋا ئۇچۇرلىرىنى ئىلغار بىر تەرەپ قىلىش.سىستېما.25, 1 (2012).