S'abonner

A Multi-Branch Convolutional Neural Network for Screening and Staging of Diabetic Retinopathy Based on Wide-Field Optical Coherence Tomography Angiography - 07/12/22

Doi : 10.1016/j.irbm.2022.04.004 
B. Dong a, X. Wang b, X. Qiang a, F. Du a, L. Gao a, Q. Wu b, G. Cao a, , C. Dai a,
a Shanghai Institute of Technology, Shanghai, China 
b Sixth People's Hospital, Shanghai Jiao Tong University, Shanghai, China 

Corresponding authors.

Abstract

Background

Diabetic retinopathy (DR) is one of the major causes of blindness in adults suffering from diabetes. With the development of wide-field optical coherence tomography angiography (WF-OCTA), it is to become a gold standard for diagnosing DR. The demand for automated DR diagnosis system based on OCTA images have been fostered due to large diabetic population and pervasiveness of retinopathy cases.

Materials and methods

In this study, 288 diabetic patients and 97 healthy people were imaged by the swept-source optical coherence tomography (SS-OCT) with 12 mm × 12 mm single scan centered on the fovea. A multi-branch convolutional neural network (CNN) was proposed to classify WF-OCTA images into four grades: no DR, mild non-proliferative diabetic retinopathy (NPDR), moderate to severe NPDR, and proliferative diabetic retinopathy (PDR).

Results

The proposed model achieved a classification accuracy of 96.11%, sensitivity of 98.08% and specificity of 89.43% in detecting DR. The accuracy of the model for DR staging is 90.56%, which is higher than that of other mainstream convolution neural network models.

Conclusion

This technology enables early diagnosis and objective tracking of disease progression, which may be useful for optimal treatment to reduce vision loss.

Le texte complet de cet article est disponible en PDF.

Graphical abstract

Le texte complet de cet article est disponible en PDF.

Highlights

Use wide-field optical coherence tomography angiography images instead of fundus photography.
Propose a multi-branch convolutional neural network.
Our model can automatically diagnose diabetic retinopathy.

Le texte complet de cet article est disponible en PDF.

Keywords : Diabetic retinopathy (DR), Convolutional neural network (CNN), Optical coherence tomography angiography (OCTA)


Plan


© 2022  AGBM. Publié par Elsevier Masson SAS. Tous droits réservés.
Ajouter à ma bibliothèque Retirer de ma bibliothèque Imprimer
Export

    Export citations

  • Fichier

  • Contenu

Vol 43 - N° 6

P. 614-620 - décembre 2022 Retour au numéro
Article précédent Article précédent
  • Detailed Investigation of Three-Dimensional Modeling and Printing Technologies from Medical Images to Analyze Femoral Head Fractures Using Finite Element Analysis
  • S. Ciklacandir, S. Mihcin, Y. Isler
| Article suivant Article suivant
  • Influence of Stimuli Spatial Proximity on a SSVEP-Based BCI Performance
  • E.P. Zambalde, L.R. Borges, G. Jablonski, M. Barros de Almeida, E.L.M. Naves

Bienvenue sur EM-consulte, la référence des professionnels de santé.
L’accès au texte intégral de cet article nécessite un abonnement.

Déjà abonné à cette revue ?

Mon compte


Plateformes Elsevier Masson

Déclaration CNIL

EM-CONSULTE.COM est déclaré à la CNIL, déclaration n° 1286925.

En application de la loi nº78-17 du 6 janvier 1978 relative à l'informatique, aux fichiers et aux libertés, vous disposez des droits d'opposition (art.26 de la loi), d'accès (art.34 à 38 de la loi), et de rectification (art.36 de la loi) des données vous concernant. Ainsi, vous pouvez exiger que soient rectifiées, complétées, clarifiées, mises à jour ou effacées les informations vous concernant qui sont inexactes, incomplètes, équivoques, périmées ou dont la collecte ou l'utilisation ou la conservation est interdite.
Les informations personnelles concernant les visiteurs de notre site, y compris leur identité, sont confidentielles.
Le responsable du site s'engage sur l'honneur à respecter les conditions légales de confidentialité applicables en France et à ne pas divulguer ces informations à des tiers.


Tout le contenu de ce site: Copyright © 2024 Elsevier, ses concédants de licence et ses contributeurs. Tout les droits sont réservés, y compris ceux relatifs à l'exploration de textes et de données, a la formation en IA et aux technologies similaires. Pour tout contenu en libre accès, les conditions de licence Creative Commons s'appliquent.