Deep learning segmentation of the tear fluid reservoir under the sclera lens in optical coherence tomography images

巩膜 光学相干层析成像 巩膜晶状体 人工智能 镜头(地质) 分割 圆锥角膜 计算机科学 深度学习 图像分割 角膜 计算机视觉 眼科 生物医学工程 医学 光学 物理
作者
Yuheng Zhou,Guangqing Lin,Xiangle Yu,Yang Cao,Hongling Cheng,Ce Shi,Jun Jiang,Hebei Gao,Fan Lü,Meixiao Shen
出处
期刊:Biomedical Optics Express [The Optical Society]
卷期号:14 (5): 1848-1848 被引量:3
标识
DOI:10.1364/boe.480247
摘要

The tear fluid reservoir (TFR) under the sclera lens is a unique characteristic providing optical neutralization of any aberrations from corneal irregularities. Anterior segment optical coherence tomography (AS-OCT) has become an important imaging modality for sclera lens fitting and visual rehabilitation therapy in both optometry and ophthalmology. Herein, we aimed to investigate whether deep learning can be used to segment the TFR from healthy and keratoconus eyes, with irregular corneal surfaces, in OCT images. Using AS-OCT, a dataset of 31850 images from 52 healthy and 46 keratoconus eyes, during sclera lens wear, was obtained and labeled with our previously developed algorithm of semi-automatic segmentation. A custom-improved U-shape network architecture with a full-range multi-scale feature-enhanced module (FMFE-Unet) was designed and trained. A hybrid loss function was designed to focus training on the TFR, to tackle the class imbalance problem. The experiments on our database showed an IoU, precision, specificity, and recall of 0.9426, 0.9678, 0.9965, and 0.9731, respectively. Furthermore, FMFE-Unet was found to outperform the other two state-of-the-art methods and ablation models, suggesting its strength in segmenting the TFR under the sclera lens depicted on OCT images. The application of deep learning for TFR segmentation in OCT images provides a powerful tool to assess changes in the dynamic tear film under the sclera lens, improving the efficiency and accuracy of lens fitting, and thus supporting the promotion of sclera lenses in clinical practice.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
调研昵称发布了新的文献求助10
1秒前
追风少年应助wsgdhz采纳,获得10
1秒前
香蕉觅云应助镹氿采纳,获得10
2秒前
柠檬柠檬完成签到 ,获得积分10
2秒前
2秒前
2秒前
2秒前
3秒前
烛畔旧盟完成签到,获得积分10
4秒前
小柒发布了新的文献求助10
4秒前
Owen应助Puokn采纳,获得10
4秒前
枫叶发布了新的文献求助10
5秒前
大观天下发布了新的文献求助10
6秒前
6秒前
lcm完成签到,获得积分20
6秒前
刘田发布了新的文献求助30
7秒前
斯文败类应助科研螺丝采纳,获得10
7秒前
aaa关闭了aaa文献求助
7秒前
7秒前
hjaxii发布了新的文献求助10
7秒前
morichoc完成签到,获得积分10
7秒前
和谐白云完成签到,获得积分10
8秒前
花凉发布了新的文献求助10
8秒前
ardejiang发布了新的文献求助10
9秒前
和功耗过高完成签到,获得积分20
9秒前
Veronica完成签到,获得积分10
9秒前
9秒前
李健应助惜海采纳,获得10
10秒前
Aurora完成签到,获得积分10
10秒前
失眠的缘郡完成签到,获得积分20
10秒前
11秒前
婷宝应助科研通管家采纳,获得10
11秒前
SciGPT应助科研通管家采纳,获得10
12秒前
8R60d8应助科研通管家采纳,获得10
12秒前
我是老大应助科研通管家采纳,获得10
12秒前
英俊的铭应助科研通管家采纳,获得10
12秒前
传奇3应助科研通管家采纳,获得10
12秒前
iNk应助科研通管家采纳,获得10
12秒前
12秒前
科研通AI2S应助科研通管家采纳,获得10
12秒前
高分求助中
Lire en communiste 1000
Ore genesis in the Zambian Copperbelt with particular reference to the northern sector of the Chambishi basin 800
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
Becoming: An Introduction to Jung's Concept of Individuation 600
Die Gottesanbeterin: Mantis religiosa: 656 500
Communist propaganda: a fact book, 1957-1958 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3170569
求助须知:如何正确求助?哪些是违规求助? 2821667
关于积分的说明 7935825
捐赠科研通 2482104
什么是DOI,文献DOI怎么找? 1322285
科研通“疑难数据库(出版商)”最低求助积分说明 633607
版权声明 602608