[論文レビュー] OCTolyzer: Fully automatic toolkit for segmentation and feature extracting in optical coherence tomography and scanning laser ophthalmoscopy data
OCTolyzer は、光学干渉断層画像法（OCT）およびスキャニングレーザーオphthalmoscopy（SLO）データから臨床的に意味のある特徴をセグメンテーションおよび抽出する、オープンソースで完全自動のツールキットです。深層学習とメタデータ駆動のセグメンテーションを用いて、標準CPU上で1 Bスキャンあたり2秒未塔の処理時間で、脈絡膜の厚さ、体積、血管インデックスといった高再現性の高い網膜脈絡膜測定を可能にします。
Optical coherence tomography (OCT) and scanning laser ophthalmoscopy (SLO) of the eye has become essential to ophthalmology and the emerging field of oculomics, thus requiring a need for transparent, reproducible, and rapid analysis of this data for clinical research and the wider research community. Here, we introduce OCTolyzer, the first open-source toolkit for retinochoroidal analysis in OCT/SLO data. It features two analysis suites for OCT and SLO data, facilitating deep learning-based anatomical segmentation and feature extraction of the cross-sectional retinal and choroidal layers and en face retinal vessels. We describe OCTolyzer and evaluate the reproducibility of its OCT choroid analysis. At the population level, metrics for choroid region thickness were highly reproducible, with a mean absolute error (MAE)/Pearson correlation for macular volume choroid thickness (CT) of 6.7$μ$m/0.99, macular B-scan CT of 11.6$μ$m/0.99, and peripapillary CT of 5.0$μ$m/0.99. Macular choroid vascular index (CVI) also showed strong reproducibility, with MAE/Pearson for volume CVI yielding 0.0271/0.97 and B-scan CVI 0.0130/0.91. At the eye level, measurement noise for regional and vessel metrics was below 5% and 20% of the population's variability, respectively. Outliers were caused by poor-quality B-scans with thick choroids and invisible choroid-sclera boundary. Processing times on a laptop CPU were under three seconds for macular/peripapillary B-scans and 85 seconds for volume scans. OCTolyzer can convert OCT/SLO data into reproducible and clinically meaningful retinochoroidal features and will improve the standardisation of ocular measurements in OCT/SLO image analysis, requiring no specialised training or proprietary software to be used. OCTolyzer is freely available here: https://github.com/jaburke166/OCTolyzer.
研究の動機と目的
- OCTおよびSLOデータを臨床的に意味のある網膜脈絡膜特徴に変換するオープンソースで自動化されたパイプラインの不足に対処すること。
- 研究および臨床現場における網膜および脈絡膜画像解析の標準化を向上させること。
- OCTおよびSLO画像から脈絡膜の厚さ、体積、血管インデックスを高スループットかつ高再現性で測定すること。
- 手動セグメンテーションを排除し、特許ソフトウェアへの依存を低減することで、大規模な眼科画像解析を支援すること。
- 専門的な訓練やソフトウェアが不要な研究者にも、高度な網膜および脈絡膜指標へのアクセスを拡大すること。
提案手法
- OCTスキャンにおける網膜層セグメンテーションを、画像メタデータと深層学習を活用して自動化する。
- 全身の健康関連データでトレーニングされたU-Netベースの深層学習モデルを用いて、OCTにおける脈絡膜層のセグメンテーションを実施する。
- 眼底の解剖的セグメンテーションおよび網膜血管の特徴抽出のため、エンフェースSLO画像を統合する。
- HEXAYZビューアから出力される .vol RAW ファイルを、PythonベースのインポートにEyePyを用い、SLOおよびOCTデータをサポートする。
- OCTシステムのキャリブレーションデータを用いて、ピクセル座標からマイクロメートルへの物理的空間変換を実施する。
- セグメンテーション領域から、マクローラルおよびパーサッピラリー脈絡膜厚さ、体積、脈絡膜血管インデックス（CVI）などの指標を算出する。
実験結果
リサーチクエスチョン
- RQ1完全自動でオープンソースのパイプラインは、OCTおよびSLOデータからの脈絡膜厚さおよび体積測定において高い再現性を達成できるか？
- RQ2OCTスキャンにおける脈絡膜層のセグメンテーションにおいて、OCTolyzerは画像品質のばらつきや解剖学的変異性の高い症例に対しても効果を発揮するか？
- RQ3OCTolyzerは、手動による介入なしに、SLO画像から信頼性の高いエンフェース網膜血管特徴をどの程度正確に抽出できるか？
- RQ4異なるOCTスキャナータイプおよび取得プロトコル間で、このパイプラインの性能はどのように比較されるか？
- RQ5OCTolyzerは、集団ベースの研究における大規模かつ標準化された網膜脈絡膜フェノタイピングを支援できるか？
主な発見
- マクローラル脈絡膜体積の厚さは、平均絶対誤差が6.7 µmであり、ピアソン相関係数とスピアマン相関係数はそれぞれ0.9933および0.9969であり、高い再現性を示した。
- パーサッピラリー脈絡膜厚さは、平均絶対誤差が5.0 µmであり、ピアソン相関係数とスピアマン相関係数はそれぞれ0.9942および0.9940であり、優れた再現性を示した。
- マクローラル脈絡膜血管インデックス（CVI）は、体積CVIの平均絶対誤差が0.0271、BスキャンCVIが0.0130であり、相関係数はそれぞれ0.9669および0.9090であった。
- 眼単位での測定誤差は、領域指標で人口変動の5％未満、血管指標で20％未塔であり、強固な性能を示した。
- 主な外れ値は、厚い脈絡膜および明瞭でない脈絡膜-石灰膜境界を示す低品質なBスキャンに起因しており、画像品質が重要な要因であることが浮き彫りになった。
- 標準ラップトップCPU上でのOCT処理は、マクローラルまたはパーサッピラリーBスキャンで2秒未塔、体積スキャンで85秒であり、計算効率が優れていることが示された。
より良い研究を、今すぐ始めましょう
論文の読解から最終レビューまで、研究時間を劇的に削減しましょう。
クレジットカード登録不要
このレビューはAIが作成し、人間の編集者が確認しました。