Core Concepts
この研究では、光学コヒーレンストモグラフィー(OCT)データから光学コヒーレンストモグラフィー血管造影(OCTA)画像を生成するAIモデルの有効性を検証し、生成されたOCTA画像の定量的特徴を分析することで、眼疾患の診断に活用できる可能性を示している。
Abstract
この研究は、光学コヒーレンストモグラフィー(OCT)データからOCTA画像を生成するAIモデルの性能を評価し、生成されたOCTA画像の定量的特徴を分析することを目的としている。
まず、生成されたOCTA画像(TR-OCTA)と実際のOCTA画像(GT-OCTA)の構造的類似性を示すSSIM指標を計算した。3mm解像度のデータセットでは平均0.4835、6mm解像度のデータセットでは平均0.4175と、中程度の構造的類似性が確認された。
次に、血管密度(BVD)、血管径(BVC)、血管蛇行度(BVT)、血管周囲長指数(VPI)といった定量的特徴を算出し、TR-OCTAとGT-OCTAを比較した。全体的に見ると、これらの特徴量はよく一致していたが、一部の疾患群(AMD、CNV)では差異が見られた。これは、病態に応じた微細な血管構造の違いを捉えきれていないことを示唆している。
FIDスコアとPCQI指標を用いて画質を評価したところ、3mm解像度のデータセットの方が6mm解像度よりも高品質な画像が生成されていることが分かった。
以上の結果から、AIによるOCT-OCTA変換は眼疾患の診断に有用な可能性があるが、特に病的な血管構造を正確に再現するためには、モデルの更なる改善が必要であることが示された。
Stats
TR-OCTAの血管密度(BVD)は212.31±29.93、GT-OCTAは210.22±29.04
TR-OCTAの血管径(BVC)は22.80±0.81、GT-OCTAは22.75±0.41
TR-OCTAの血管蛇行度(BVT)は1.086±0.006、GT-OCTAは1.089±0.006
TR-OCTAの血管周囲長指数(VPI)は26.91±5.47、GT-OCTAは31.43±2.35