차별적인 동맥-정맥 분석이 당뇨망막병증의 OCTA 분류를 개선한다

이 연구는 광간섭단층촬영 혈관조영술(OCTA)에서 차별적인 동맥-정맥(AV) 분석이 당뇨망막병증(DR) 기계 학습 분류에 미치는 영향을 조사합니다. 동정맥 영역(AVA) 세분화를 위한 딥러닝을 활용하고, 관류 강도 밀도(PID), 혈관 밀도(BVD), 혈관 면적 플럭스(VAF), 혈관 직경(BVC), 혈관 비틀림(BVT), 그리고 혈관 둘레 지수(VPI) 등 총 6개의 정량적 특징이 AV 차별화 전후의 OCTA 이미지에서 도출되었습니다. 지원 벡터 머신(SVM) 분류기를 사용하여 대조군, DR이 없는 당뇨환자(NoDR), 경증 DR, 중증 DR 및 심각한 DR 그룹의 이진 및 다중 클래스 분류를 평가했습니다. 처음에 일영역 특징, 즉 전체 OCTA에서 추출된 정량적 특징들이 DR 분류를 위해 평가되었습니다. 차별적인 AV 분석은 이진 및 다중 클래스 분류 각각에서 분류 정확도를 78.86%에서 87.63%로, 79.62%에서 85.66%로 향상시켰습니다. 또한 전체 이미지, 중심주위, 그리고 중심주위에서 도출된 삼영역 특징들이 DR 분류에 통합되었습니다. 차별적인 AV 분석은 이진 및 다중 클래스 분류 각각에서 분류 정확도를 84.43%에서 93.33%로, 83.40%에서 89.25%로 더욱 향상시켰습니다. 이러한 연구 결과는 OCTA를 사용하여 질병 진단 및 치료 평가를 증대시키는 차별적인 AV 분석의 잠재성을 강조합니다.