Deep learning for retinal non-perfusion and foveal avascular zone analysis in wide-field OCTA in diabetic retinopathy
Rattachement africain : fr. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
We developed an automated framework for segmenting low-quality and non-perfusion areas in widefield OCTA images to obtain two key metrics useful for diabetic retinopathy (DR) monitoring: the retinal non-perfusion index (NPI) and foveal avascular zone (FAZ) area. Using 170 images from 88 patients in the EVIRED cohort, we trained two models: Q-NET, which segments low-quality areas, and NPA-NET, which detects non-perfusion areas and the FAZ. Their combined outputs created a 4-class map to calculate NPI and FAZ area. Ground truth segmentations were established by a single expert (for non-perfusion and FAZ areas) or a consensus of four annotators (for low-quality areas). NPA-NET and Q-NET, tested on 29 images, achieved strong segmentation performances (Dice coefficients of 0.714 (low-quality), 0.781 (non-perfusion), and 0.879 (FAZ)). Some inter-annotator variability was found (mean Dice: 0.85 for low-quality, 0.683 for non-perfusion areas). Predictive accuracy for NPI and FAZ area was high, with R² coefficients of 0.97 and 0.63, respectively, with minimal underestimation and no overestimation. This AI tool provides reliable biomarkers for DR monitoring, supporting treatment decisions and medical decision-making by automatically analyzing OCTA images, and could be integrated into clinical practice.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Deep learning for retinal non-perfusion and foveal avascular zone analysis in wide-field OCTA in diabetic retinopathy
- Date Crossref
- 18/08/2025
- Éditeur
- Springer Science and Business Media LLC
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
Université Paris Cité pays non établi dans la noticeUniversité ou école supérieure
-
Sorbonne Paris Cité pays non établi dans la noticeInstitution
-
Assistance Publique – Hôpitaux de Paris pays non établi dans la noticeÉtablissement de santé
-
Hôpital Lariboisière AP-HP pays non établi dans la noticeÉtablissement de santé
-
Fondation Ophtalmologique Adolphe de Rothschild pays non établi dans la noticeÉtablissement de santé
-
Inserm pays non établi dans la noticeOrganisme public
-
Université de Bretagne Occidentale pays non établi dans la noticeUniversité ou école supérieure
-
Laboratoire de Traitement de l'Information Médicale pays non établi dans la noticeStructure de recherche
-
LaTIM pays non établi dans la noticeInstitution
Université Paris Cité, Sorbonne Paris Cité et Assistance Publique – Hôpitaux de Paris, avec 6 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.