一种用于高保真 OCT-to-OCT 图像转换和糖尿病黄斑水肿中精准抗 VEGF 治疗反应预测的新型条件对抗扩散模型
A Novel Conditional Adversarial Diffusion Model for High-Fidelity OCT-to-OCT Image Translation and Precise Anti-VEGF Therapy Response Prediction in Diabetic Macular Edema
预印本 · 尚未经过同行评审
条件对抗扩散模型由基线 OCT 合成治疗后图像，预测抗 VEGF 反应，两队列平衡准确率最高 95.3%。
糖尿病性黄斑水肿（DME）是工作年龄成年人严重视力丧失的主要原因之一。尽管玻璃体内抗血管内皮生长因子（anti-VEGF）注射目前是 DME 的一线治疗，但仍有相当一部分患者尽管承担了高昂的费用和临床负担却治疗无应答，提示他们可能从替代干预中获益更多。因此，自动化、无创的治疗前应答评估可使无应答者免于当前的试错治疗模式。在本研究中，我们提出了一种新颖的条件对抗扩散框架，可从基线扫描合成治疗后的光学相干断层扫描（OCT）图像，从而推导出每位患者对 anti-VEGF 治疗的初始应答。该模型在美国队列（n = 127）上采用受试者级别的 5 折交叉验证进行开发，并在独立的伊朗队列（n = 44）上进行外部验证。与十四种基线及最先进的图像转换模型进行基准比较，所提出的模型在两个队列上针对该任务评估的方法中取得了最佳的治疗应答预测性能，在美国队列上于 10% 和 20% 中央子区域厚度减少阈值下的平衡准确率分别为 85.7% 和 93.0%，在外部伊朗队列上分别为 85.2% 和 95.3%。最终，该框架提供了一种决策支持工具，帮助眼科医生在治疗开始前预测 DME 患者对 anti-VEGF 的初始结局，以实现个性化治疗选择。源代码将在论文被接收后公开。
中文由 AI 翻译，仅供参考，以原文为准。
来源：arXiv · Image and Video Processing · arxiv.org