تولید مجموعه داده ساختگی برای تصاویر توموگرافی انسجام نوری دارای ناهنجاری تخریب ماکولای وابسته به سن

توموگرافی انسجام نوری نقش مهمی در چشم پزشکی دارد و آنالیز خودکار این تصاویر از اهمیت زیادی برخوردار است، نیاز به برچسب گذاری و بخش بندی دستی این دادگان توسط چشم پزشک و مشکل دیتای محدود یک چالش در زمینه تصاویر پزشکی است و به تعداد زیادی از آنها برای آموزش الگوریتم های مبتنی بر یادگیری عمیق و نیز ارزیابی عملکرد الگوریتم های پردازش تصویر نیاز است.

داده های این طرح شامل مجموعه دادهOCT در حضور ناهنجاری شبکیه در بیماری تخریب ماکولای وابسته به سن ، اخذ شده از دستگاه AREDS2 Ancillary در دانشگاه دوک می باشد. برای آموزش الگوریتم از هفتاد Bاسکن که به طور تصادفی از مجموعه فوق انتخاب می شوند، استفاده میگردد. مدل شکل فعال برای تولید مرزهای مصنوعی بکار رفته است و تصاویر جدید مشابه شکل های مجموعه آموزش تولید می شوند.

با در نظر گرفتن ویژگی های آناتومیکی تصاویر موجود مانند تعداد و ضخامت لایه ها و همچنین روشنایی مربوط به آن ها، دادگانی با مشابهت بالا در حضور ناهنجاری تولید میگردند. برای ارزیابی نتایج داده های ساختگی توسط چشم پزشک مورد بررسی قرارگرفت.

مدل پیشنهادی با استفاده از ویژگی های مهمی مانند مرز لایه های اصلی شبکیه و بافت تخریب شده در اثر بیماری، برای پر کردن خلا موجود در تولید داده های مصنوعیOCT درحضور ناهنجاری طراحی شده و میتواند به عنوان مجموعه داده برای آموزش الگوریتم های مبتنی بر یادگیری عمیق و همچنین ارزیابی عملکرد الگوریتم های بخش بندی مورد استفاده قرار گیرد.