Nature.com گهمڻ لاءِ توهان جي مهرباني.توھان استعمال ڪري رھيا آھيو برائوزر ورزن محدود CSS سپورٽ سان.بهترين تجربي لاءِ، اسان سفارش ڪريون ٿا ته توهان هڪ اپڊيٽ ٿيل برائوزر استعمال ڪريو (يا انٽرنيٽ ايڪسپلورر ۾ مطابقت واري موڊ کي بند ڪريو).ان کان علاوه، مسلسل حمايت کي يقيني بڻائڻ لاء، اسان سائيٽ کي بغير اسٽائل ۽ جاوا اسڪرپٽ ڏيکاريون ٿا.
سلائڊر ڏيکاريندڙ ٽي مضمون في سلائڊ.سلائڊ ذريعي منتقل ڪرڻ لاء پوئتي ۽ ايندڙ بٽڻ استعمال ڪريو، يا هر سلائڊ ذريعي منتقل ڪرڻ لاء آخر ۾ سلائڊ ڪنٽرولر بٽڻ استعمال ڪريو.
Optical coherence tomographic angiography (OCTA) ھڪڙو نئون طريقو آھي جيڪو ريٽينل ويسلز جي غير جارحيت واري تصوير لاءِ.جيتوڻيڪ OCTA وٽ ڪيتريون ئي اميد رکندڙ ڪلينڪ ايپليڪيشنون آهن، تصوير جي معيار کي طئي ڪرڻ هڪ چئلينج رهي ٿو.اسان 134 مريضن جي 347 اسڪين مان سپرفيشل ڪيپيلري پلڪسس تصويرن کي درجه بندي ڪرڻ لاءِ ImageNet سان اڳواٽ تيار ڪيل ResNet152 نيورل نيٽ ورڪ ڪلاسفير استعمال ڪندي هڪ گہرے سکيا تي ٻڌل سسٽم تيار ڪيو.تصويرن کي پڻ دستي طور تي جائزو ورتو ويو حقيقي سچائي جي طور تي ٻن آزاد ريٽررز پاران نگراني ٿيل سکيا واري ماڊل لاءِ.ڇاڪاڻ ته تصوير جي معيار جون گهرجون مختلف ٿي سگهن ٿيون ڪلينڪل يا تحقيقي سيٽنگن جي بنياد تي، ٻه ماڊل تربيت ڏني وئي، هڪ اعلي معيار جي تصوير جي سڃاڻپ لاء ۽ ٻيو گهٽ معيار جي تصوير جي سڃاڻپ لاء.اسان جي نيورل نيٽ ورڪ ماڊل وکر (AUC) جي هيٺان هڪ بهترين علائقو ڏيکاري ٿو، 95% CI 0.96-0.99، \(\kappa\) = 0.81)، جيڪو مشين جي رپورٽ ڪيل سگنل جي سطح کان گهڻو بهتر آهي (AUC = 0.82, 95) % CI).0.77–0.86، \(\kappa\) = 0.52 ۽ AUC = 0.78، 95% CI 0.73–0.83، \(\kappa\) = 0.27، ترتيب سان).اسان جو مطالعو ڏيکاري ٿو ته مشين سکيا جا طريقا استعمال ڪري سگھجن ٿا OCTA تصويرن لاءِ لچڪدار ۽ مضبوط معيار ڪنٽرول طريقا.
Optical coherence tomographic angiography (OCTA) ھڪ نسبتاً نئين ٽيڪنڪ آھي جنھن جي بنياد تي optical coherence tomography (OCT) آھي جنھن کي استعمال ڪري سگھجي ٿو ريٽينل مائيڪرو واسڪولچر جي غير ناگوار بصري لاءِ.OCTA ريٽنا جي ساڳئي علائقي ۾ بار بار روشني واري نبضن مان موٽڻ جي نمونن ۾ فرق کي ماپ ڪري ٿو، ۽ وري تعميرات کي رنگن يا ٻين برعڪس ايجنٽ جي ناگوار استعمال کان سواء رت جي رستن کي ظاهر ڪرڻ لاء حساب ڪري سگهجي ٿو.او سي ٽي اي ڊيپٿ ريزوليوشن ويسولر اميجنگ کي به قابل بنائي ٿو، ڪلينڪز کي اجازت ڏئي ٿو ته هو الڳ الڳ سطحي ۽ گہرے ويسلن جي پرت جو معائنو ڪن، chorioretinal بيماري جي وچ ۾ فرق ڪرڻ ۾ مدد ڪن.
جڏهن ته هي ٽيڪنڪ واعدو ڪري رهي آهي، تصوير جي معيار جي تغير قابل اعتماد تصويري تجزيي لاء هڪ وڏو چئلينج رهي ٿو، تصوير جي تشريح کي ڏکيو بنائڻ ۽ وسيع ڪلينڪ اپنائڻ کي روڪڻ.ڇاڪاڻ ته OCTA ڪيترن ئي لڳاتار OCT اسڪين کي استعمال ڪري ٿو، اهو معياري OCT کان وڌيڪ تصويري نموني لاءِ وڌيڪ حساس آهي.اڪثر تجارتي OCTA پليٽ فارمز انهن جي پنهنجي تصوير جي معيار جي ميٽرڪ مهيا ڪن ٿا جنهن کي سگنل طاقت (SS) يا ڪڏهن ڪڏهن سگنل طاقت انڊيڪس (SSI) سڏيو ويندو آهي.جڏهن ته، هڪ اعلي SS يا SSI قدر سان تصويرون تصويري نموني جي غير موجودگي جي ضمانت نه ڏيندا آهن، جيڪي ڪنهن به بعد ۾ تصويري تجزيي تي اثر انداز ڪري سگهن ٿا ۽ غلط ڪلينڪ فيصلن جي ڪري سگھي ٿو.عام تصويرن جا نمونا جيڪي OCTA اميجنگ ۾ ٿي سگھن ٿا، شامل آھن موشن آرٽيفڪٽس، سيگمينٽيشن آرٽيفڪٽس، ميڊيا اوپيسيٽي آرٽيڪٽس، ۽ پروجيڪشن آرٽيڪٽس 1,2,3.
جيئن ته OCTA مان نڪتل قدمن جهڙوڪ ويسڪولر ڊينسٽي ترجمي جي تحقيق، ڪلينڪل ٽرائلز ۽ ڪلينڪل مشق ۾ تيزيءَ سان استعمال ٿي رهيا آهن، ان ڪري تصويري آثارن کي ختم ڪرڻ لاءِ مضبوط ۽ قابل اعتماد تصويري معيار تي ضابطو آڻڻ جي تڪڙي ضرورت آهي.Skip ڪنيڪشن، پڻ سڃاتل ڪنيڪشن آهن، نيورل نيٽ ورڪ آرڪيٽيڪچر ۾ پروجيڪٽون آهن جيڪي معلومات کي مختلف اسڪيلن يا ريزوليوشنز تي محفوظ ڪرڻ دوران ڪنوولوشنل پرت کي پاس ڪرڻ جي اجازت ڏين ٿيون.ڇاڪاڻ ته تصويري نموني ننڍي پيماني ۽ عام وڏي پيماني تي تصويري ڪارڪردگي تي اثر انداز ڪري سگهن ٿا، اسڪپ ڪنيڪشن نيورل نيٽ ورڪ هن معيار جي ڪنٽرول ٽاسڪ 5 کي خودڪار ڪرڻ لاء مناسب آهن.تازو شايع ٿيل ڪم انساني تخميني ڪندڙن کان اعليٰ معيار جي ڊيٽا استعمال ڪندي تربيت يافته گہرے ڪنوولوشنل نيورل نيٽ ورڪن لاءِ ڪجهه واعدو ڏيکاريو آهي.
هن مطالعي ۾، اسان هڪ ڪنيڪشن-skipping convolutional neural نيٽ ورڪ ٽريننگ خودڪار طريقي سان OCTA تصويرن جي معيار کي طئي ڪرڻ لاء.اسان اعليٰ معيار جي تصويرن ۽ گهٽ معيار جي تصويرن جي نشاندهي ڪرڻ لاءِ الڳ ماڊل ٺاهي اڳئين ڪم تي تعمير ڪندا آهيون، جيئن تصوير جي معيار جون گهرجون مخصوص ڪلينڪل يا تحقيقي منظرنامي لاءِ مختلف ٿي سگهن ٿيون.اسان انهن نيٽ ورڪن جي نتيجن جو موازنہ ڪنوولوشنل نيورل نيٽ ورڪ سان ڪريون ٿا ڪنيڪشن غائب ڪرڻ کان سواءِ قدر جو جائزو وٺڻ لاءِ خاصيتن جي ڪيترن ئي سطحن تي گرينولرٽي جي اندر گہرے سکيا جي.اسان وري اسان جي نتيجن کي سگنل جي طاقت سان مقابلو ڪيو، ٺاهيندڙن پاران مهيا ڪيل تصوير جي معيار جو عام طور تي قبول ٿيل ماپ.
اسان جي مطالعي ۾ ذیابيطس جا مريض شامل هئا جن 11 آگسٽ 2017 ۽ اپريل 11، 2019 جي وچ ۾ Yale Eye Center ۾ شرڪت ڪئي. ڪنهن به غير ذیابيطس chorioretinal بيماري سان مريضن کي خارج ڪيو ويو.عمر، جنس، نسل، تصوير جي معيار، يا ڪنهن ٻئي عنصر جي بنياد تي ڪو به شامل يا خارج ڪرڻ وارو معيار نه هو.
OCTA تصويرون AngioPlex پليٽ فارم تي Cirrus HD-OCT 5000 (Carl Zeiss Meditec Inc, Dublin, CA) تي 8\(\times\)8 mm ۽ 6\(\times\)6 mm اميجنگ پروٽوڪول تحت حاصل ڪيون ويون.مطالعي ۾ شموليت لاء باخبر رضامندي حاصل ڪئي وئي هر مطالعي جي شرڪت ڪندڙ کان، ۽ ييل يونيورسٽي انسٽيٽيوٽ ريويو بورڊ (IRB) انهن سڀني مريضن لاء عالمي فوٽوگرافي سان ڄاڻايل رضامندي جي استعمال جي منظوري ڏني.هيلسنڪي جي اعلان جي اصولن تي عمل ڪندي.مطالعي يلي يونيورسٽي IRB پاران منظور ڪيو ويو.
مٿاڇري جي پليٽ تصويرن جو جائزو ورتو ويو اڳ بيان ڪيل موشن آرٽيفڪٽ اسڪور (MAS) جي بنياد تي، اڳ ۾ بيان ڪيل سيگمينٽيشن آرٽيفڪٽ اسڪور (SAS)، فوول سينٽر، ميڊيا جي اوپيسيٽي جي موجودگي، ۽ تصويري evaluator پاران طئي ڪيل ننڍڙن ڪيپليئرز جي سٺي نموني.تصويرون ٻن آزاد تشخيص ڪندڙ (RD ۽ JW) پاران تجزيو ڪيو ويو.ھڪڙي تصوير کي 2 جو درجو ڏنو ويو آھي (اھل) جيڪڏھن ھيٺ ڏنل سڀئي معيار پورا ڪيا وڃن: تصوير فووا تي مرڪز آھي (تصوير جي مرڪز کان 100 پکسلز کان گھٽ)، MAS 1 يا 2 آھي، SAS 1 آھي، ۽ ميڊيا اوپيسيٽي 1 کان گھٽ آھي. تصويرن تي موجود سائيز / 16، ۽ ننڍڙا ڪيپليريز 15/16 کان وڏين تصويرن ۾ نظر اچن ٿا.تصوير 0 جي درجه بندي ڪئي وئي آهي (درجه بندي ناهي) جيڪڏهن هيٺ ڏنل معيارن مان ڪنهن کي پورو ڪيو وڃي: تصوير آف سينٽر آهي، جيڪڏهن MAS 4 آهي، جيڪڏهن SAS 2 آهي، يا سراسري اوپيسيٽي تصوير جي 1/4 کان وڌيڪ آهي، ۽ ننڍڙن ڪيپليئرز کي 1 عڪس/4 کان وڌيڪ فرق ڪرڻ لاءِ ترتيب نٿو ڏئي سگهجي.ٻيون سڀئي تصويرون جيڪي اسڪورنگ جي معيار 0 يا 2 کي پورا نه ٿيون ڪن انهن کي 1 (ڪلپنگ) طور اسڪور ڪيو ويو آهي.
انجير تي.1 ڏيکاري ٿو نموني تصويرون هر هڪ ماپيل اندازن ۽ تصويري نموني لاءِ.انفرادي سکور جي بين-ريٽر اعتماد جو جائزو ورتو ويو ڪوهين جي ڪپا وزن 8.ھر ريٽر جي انفرادي اسڪور کي ھر تصوير لاءِ مجموعي اسڪور حاصل ڪرڻ لاءِ اختصار ڪيو ويو آھي، 0 کان 4 تائين. 4 جي ڪل اسڪور سان تصويرن کي سٺو سمجھيو ويندو آھي.0 يا 1 جي ڪل اسڪور سان تصويرن کي گهٽ معيار سمجهيو ويندو آهي.
هڪ ResNet152 آرڪيٽيڪچر convolutional neural network (Fig. 3A.i) تصويرن تي اڳ کان تربيت يافته ImageNet ڊيٽابيس مان تيار ڪيو ويو fast.ai ۽ PyTorch فريم ورڪ 5, 9, 10, 11. هڪ convolutional neural network is a network that use the learned. مقامي ۽ مقامي خاصيتن جو مطالعو ڪرڻ لاءِ تصوير جي ٽڪرن کي اسڪين ڪرڻ لاءِ فلٽر.اسان جو تربيت يافته ResNet ھڪڙو 152-پرت نيورل نيٽ ورڪ آھي جنھن جي خصوصيت خالن يا ”بقاءَ ڪنيڪشن“ سان ڪئي وئي آھي جيڪي ھڪ ئي وقت گھڻن قراردادن سان معلومات منتقل ڪن ٿيون.نيٽ ورڪ تي مختلف قراردادن تي معلومات پيش ڪندي، پليٽ فارم ڪيترن ئي سطحن تي تفصيل سان گهٽ معيار جي تصويرن جي خاصيتن کي سکي سگهي ٿو.اسان جي ResNet ماڊل کان علاوه، اسان AlexNet کي پڻ تربيت ڏني، هڪ چڱي طرح اڀياس ڪيل نيورل نيٽ ورڪ فن تعمير، مقابلي لاءِ لاپتہ ڪنيڪشن کان سواءِ (Figure 3A.ii)12.غائب ڪنيڪشن کان سواء، هي نيٽ ورڪ وڌيڪ گرينولرٽي تي خاصيتن کي پڪڙڻ جي قابل نه هوندو.
اصل 8\(\times\)8mm OCTA13 تصويري سيٽ کي افقي ۽ عمودي موٽڻ واري ٽيڪنالاجي استعمال ڪندي وڌايو ويو آهي.مڪمل ڊيٽا سيٽ وري تصويري سطح تي بي ترتيب طور تي ورهايو ويو ٽريننگ (51.2٪)، ٽيسٽنگ (12.8٪)، هائپرپيراميٽر ٽيوننگ (16٪)، ۽ تصديق (20٪) ڊيٽا سيٽس استعمال ڪندي اسڪيٽ-لرن ٽول باڪس python14.ٻن ڪيسن تي غور ڪيو ويو، ھڪڙو صرف اعلي معيار جي تصويرن کي ڳولڻ جي بنياد تي (مجموعي اسڪور 4) ۽ ٻيو صرف گھٽ معيار جي تصويرن کي ڳولڻ جي بنياد تي (مجموعي نمبر 0 يا 1).هر هڪ اعلي معيار ۽ گهٽ معيار جي استعمال جي صورت ۾، اسان جي تصويري ڊيٽا تي هڪ ڀيرو نيورل نيٽ ورڪ کي ٻيهر تربيت ڏني وئي آهي.هر استعمال جي صورت ۾، نيورل نيٽ ورڪ کي 10 دورن لاءِ تربيت ڏني وئي، سڀ کان سواءِ سڀ کان وڌيڪ پرت جا وزن منجمد ڪيا ويا، ۽ سڀني اندروني پيٽرولن جا وزن 40 دورن لاءِ سکيا ويا، هڪ تعصبي سکيا جي شرح جو طريقو استعمال ڪندي ڪراس-انٽروپي نقصان جي فنڪشن 15، 16..ڪراس اينٽروپي نقصان جو فعل اڳڪٿي ٿيل نيٽ ورڪ ليبلز ۽ حقيقي ڊيٽا جي وچ ۾ فرق جي منطقي ماپ جو اندازو آهي.ٽريننگ دوران، گريجوئيٽ نزول اعصابي نيٽ ورڪ جي اندروني پيٽرولن تي ڪيو ويندو آهي نقصان کي گھٽائڻ لاءِ.سکيا جي شرح، ڊراپ آئوٽ جي شرح، ۽ وزن گھٽائڻ واري هائپرپراميٽرس کي بيسيئن اصلاح کي استعمال ڪندي 2 بي ترتيب ٿيندڙ شروعاتي پوائنٽن ۽ 10 تکرارن سان ترتيب ڏنو ويو، ۽ ڊيٽا سيٽ تي AUC 17 جي حدف جي طور تي هائپرپراميٽر استعمال ڪندي ترتيب ڏني وئي.
8 × 8 mm OCTA تصويرن جا نمائندا مثال سپرفيشل ڪيپيلري پلڪسس اسڪور 2 (A, B), 1 (C, D) ۽ 0 (E, F).ڏيکاريل تصويري نمونن ۾ شامل آھن چمڪندڙ لائينون (تير)، ڀاڱي جا نمونا (اسٽريٽڪس)، ۽ ميڊيا اوپيسيٽي (تير).تصوير (اي) پڻ آف سينٽر آهي.
وصول ڪندڙ آپريٽنگ خاصيتون (ROC) وکر وري سڀني نيورل نيٽ ورڪ ماڊلز لاءِ ٺاهيا ويا آهن، ۽ انجڻ سگنل جي طاقت جون رپورٽون تيار ڪيون وينديون آهن هر گهٽ معيار ۽ اعليٰ معيار جي استعمال واري ڪيس لاءِ.وکر جي هيٺان ايراضي (AUC) حساب ڪيو ويو pROC R پيڪيج استعمال ڪندي، ۽ 95٪ اعتماد جي وقفي ۽ p-values ​​کي DeLong طريقو 18,19 استعمال ڪندي ڳڻيو ويو.انساني ريٽرز جا مجموعي اسڪور استعمال ڪيا ويندا آھن بنيادي طور تي سڀني ROC حسابن لاءِ.مشين پاران رپورٽ ڪيل سگنل جي طاقت لاءِ، AUC ٻه ڀيرا ڳڻيو ويو: هڪ ڀيرو اعليٰ معيار جي اسڪيبلٽي اسڪور ڪٽ آف لاءِ ۽ هڪ ڀيرو گھٽ معيار جي اسڪيبلٽي اسڪور کٽ آف لاءِ.نيورل نيٽ ورڪ جي مقابلي ۾ AUC سگنل جي طاقت ان جي پنهنجي تربيت ۽ تشخيص جي حالتن کي ظاهر ڪري ٿي.
تربيت يافته ڊيپ لرننگ ماڊل کي الڳ ڊيٽا سيٽ تي وڌيڪ جانچڻ لاءِ، اعليٰ معيار ۽ گهٽ معيار جا ماڊل سڌو سنئون لاڳو ڪيا ويا 32 مڪمل چهرو 6\(\times\) 6mm مٿاڇري جي سليب تصويرن جي ڪارڪردگي جي جائزي تي جيڪو Yale University مان گڏ ڪيو ويو.اکين جو ماس هڪ ئي وقت تي مرڪز آهي جيئن تصوير 8 \(\times \) 8 ملي ايم.6\(\×\) 6 mm تصويرن کي دستي طور تي ساڳيو ريٽرز (RD ۽ JW) پاران 8\(\×\) 8 mm تصويرن جي طور تي دستي طور تي اندازو ڪيو ويو، AUC جي حساب سان گڏو گڏ درستگی ۽ ڪوهن جي ڪيپا .برابر.
گھٽ معيار جي ماڊل لاءِ ڪلاس عدم توازن جو تناسب 158:189 (\(\rho = 1.19\)) ۽ اعليٰ معيار جي ماڊل لاءِ 80:267 (\(\rho = 3.3\)) آھي.ڇاڪاڻ ته طبقاتي عدم توازن جو تناسب 1:4 کان گهٽ آهي، طبقاتي عدم توازن 20,21 کي درست ڪرڻ لاءِ ڪا خاص تعميراتي تبديلي نه ڪئي وئي آهي.
سکيا واري عمل کي بهتر انداز ۾ ڏسڻ لاءِ، ڪلاس ايڪٽيويشن نقشا ٺاهيا ويا سڀني چئن تربيت يافته ڊيپ لرننگ ماڊلز لاءِ: اعليٰ معيار جو ResNet152 ماڊل، گهٽ معيار جو ResNet152 ماڊل، اعليٰ معيار جو AlexNet ماڊل، ۽ گهٽ معيار جو AlexNet ماڊل.ڪلاس ايڪٽيوشن نقشا ٺاهيا ويا آھن انھن چئن ماڊلز جي انپٽ ڪنوولوشنل ليئرز مان، ۽ گرمي جا نقشا ٺاھيا ويا آھن ايڪٽيويشن نقشن کي اوورلينگ ڪندي 8 × 8 mm ۽ 6 × 6 mm جي تصديق واري سيٽ 22، 23 مان ماخذ تصويرن سان.
R ورجن 4.0.3 سڀني شمارياتي حسابن لاءِ استعمال ڪيو ويو، ۽ ggplot2 گرافڪس ٽول لائبريري استعمال ڪندي تصويرون ٺاھيون ويون.
اسان گڏ ڪيو 347 اڳيون تصويرون سپرفيشل ڪيپيلري پلڪسس جي ماپ 8 \(\times \)8 ملي ايم 134 ماڻهن کان.مشين سڀني تصويرن لاءِ 0 کان 10 جي ماپ تي سگنل جي طاقت کي ٻڌايو (مطلب = 6.99 ± 2.29).حاصل ڪيل 347 تصويرن مان، امتحان ۾ اوسط عمر 58.7 ± 14.6 سال هئي، ۽ 39.2٪ مرد مريضن مان هئا.سڀني تصويرن مان، 30.8٪ Caucasians مان، 32.6٪ ڪارين مان، 30.8٪ هسپانڪس مان، 4٪ ايشيائي مان، ۽ 1.7٪ ٻين نسلن مان (ٽيبل 1).).OCTA سان مريضن جي عمر جي تقسيم خاص طور تي تصوير جي معيار تي منحصر ڪري ٿي (p <0.001).18-45 سالن جي ننڍي مريضن ۾ اعلي معيار جي تصويرن جو سيڪڙو 33.8٪ گهٽ معيار جي تصويرن جي 12.2٪ جي مقابلي ۾ (ٽيبل 1).ذیابيطس ريٽينوپيپي جي حيثيت جي تقسيم پڻ تصوير جي معيار ۾ خاص طور تي مختلف آهي (p <0.017).سڀني اعلي معيار جي تصويرن ۾، PDR سان مريضن جو سيڪڙو 18.8٪ جي مقابلي ۾ 38.8٪ سڀني گھٽ معيار جي تصويرن جي مقابلي ۾ (ٽيبل 1).
سڀني تصويرن جي انفرادي درجه بندي ڏيکاري ٿي اعتدال پسند کان مضبوط بين الاقوامي درجه بندي قابل اعتماد ماڻهن جي وچ ۾ تصويرون پڙهڻ جي وچ ۾ (Cohen's weighted kappa = 0.79, 95% CI: 0.76-0.82)، ۽ اتي ڪو به تصويري پوائنٽ نه هئا جتي ريٽرز 1 کان وڌيڪ (تصوير) کان مختلف هئا. 2A)..سگنل جي شدت خاص طور تي دستي اسڪورنگ سان لاڳاپو رکي ٿي (پيئرسن پراڊڪٽ لمحو لاڳاپو = 0.58، 95٪ CI 0.51-0.65، p <0.001)، پر ڪيترن ئي تصويرن جي نشاندهي ڪئي وئي جيئن اعلي سگنل جي شدت آهي پر گهٽ دستي اسڪورنگ (تصوير .2B).
ResNet152 ۽ AlexNet آرڪيٽيڪچرز جي تربيت دوران، تصديق ۽ تربيت تي ڪراس-انٽروپي نقصان 50 دورن کان مٿي ٿئي ٿو (شڪل 3B،C).آخري تربيتي دور ۾ تصديق جي درستگي 90٪ کان وڌيڪ آهي ٻنهي اعلي معيار ۽ گهٽ معيار جي استعمال جي ڪيسن لاء.
وصول ڪندڙ ڪارڪردگي وکر ڏيکاري ٿو ته ResNet152 ماڊل خاص طور تي مشين جي رپورٽ ڪيل سگنل پاور کي تمام گھٽ ۽ اعلي معيار جي استعمال جي ڪيسن ۾ (p <0.001).ResNet152 ماڊل پڻ AlexNet آرڪيٽيڪچر (p = 0.005 ۽ p = 0.014 گھٽ معيار ۽ اعليٰ معيار جي ڪيسن لاءِ، ترتيب سان) کي نمايان طور تي نمايان ڪري ٿو.انهن مان هر هڪ ڪم جي نتيجي ۾ ماڊل 0.99 ۽ 0.97 جي AUC قدرن کي حاصل ڪرڻ جي قابل هئا، ترتيب سان، جيڪي 0.82 ۽ 0.78 جي لاڳاپيل AUC قدرن کان بهتر آهن مشين سگنل طاقت انڊيڪس يا 0.97 ۽ 0.94 AlexNet لاء. ..(تصوير 3).سگنل جي طاقت ۾ ResNet ۽ AUC جي وچ ۾ فرق وڌيڪ آهي جڏهن اعلي معيار جي تصويرن کي سڃاڻڻ، هن ڪم لاءِ ResNet استعمال ڪرڻ جا اضافي فائدا ظاهر ڪن ٿا.
گراف ڏيکارين ٿا هر آزاد ريٽر جي صلاحيت کي سکور ڪرڻ ۽ مشين جي رپورٽ ڪيل سگنل جي طاقت سان مقابلو ڪرڻ.(الف) پوائنٽس جو مجموعو اندازو ڪيو وڃي ٿو استعمال ڪيو وڃي ٿو مجموعي تعداد جو اندازو لڳائڻ لاءِ.4 جي مجموعي اسپيبلٽي اسڪور سان تصويرن کي اعليٰ معيار مقرر ڪيو ويو آهي، جڏهن ته 1 يا ان کان گهٽ جي مجموعي اسڪيبلٽي اسڪور سان تصويرن کي گهٽ معيار مقرر ڪيو ويو آهي.(ب) سگنل جي شدت دستي اندازن سان لاڳاپو رکي ٿي، پر اعلي سگنل جي شدت سان تصويرون شايد خراب معيار جا هجن.ڳاڙهي نقطي واري لڪير اشارو ڪري ٿي ٺاهيندڙ جي تجويز ڪيل معيار جي حد جي بنياد تي سگنل طاقت (سگنل طاقت \(\ge\)6).
ResNet ٽرانسفر لرننگ مشين جي رپورٽ ڪيل سگنل جي سطحن جي مقابلي ۾ گھٽ معيار ۽ اعليٰ معيار جي استعمال جي ڪيسن لاءِ تصويري معيار جي سڃاڻپ ۾ هڪ اهم بهتري فراهم ڪري ٿي.(الف) اڳ-تربيت ٿيل (i) ResNet152 ۽ (ii) AlexNet آرڪيٽيڪچرز جا آسان ڪيل آرڪيٽيڪچر ڊراگرام.(B) مشين جي رپورٽ ڪيل سگنل جي طاقت ۽ AlexNet گھٽ معيار جي معيار جي مقابلي ۾ ResNet152 لاءِ ٽريننگ جي تاريخ ۽ وصول ڪندڙ ڪارڪردگي وکر.(سي) ResNet152 رسيور ٽريننگ جي تاريخ ۽ ڪارڪردگي وکر جي مقابلي ۾ مشين جي رپورٽ ڪيل سگنل جي طاقت ۽ AlexNet اعلي معيار جي معيار.
فيصلي جي حد جي حد کي ترتيب ڏيڻ کان پوءِ، ResNet152 ماڊل جي وڌ ۾ وڌ اڳڪٿي جي درستگي 95.3٪ گھٽ معيار واري ڪيس لاءِ ۽ 93.5٪ اعليٰ معيار واري ڪيس لاءِ (ٽيبل 2) آھي.AlexNet ماڊل جي وڌ ۾ وڌ اڳڪٿي جي درستگي 91.0% گھٽ معيار جي ڪيس لاءِ ۽ 90.1% اعليٰ معيار واري ڪيس لاءِ (ٽيبل 2) آھي.وڌ ۾ وڌ سگنل جي طاقت جي اڳڪٿي جي درستگي 76.1٪ گھٽ معيار جي استعمال واري ڪيس لاءِ ۽ 77.8٪ اعليٰ معيار جي استعمال واري ڪيس لاءِ.Cohen جي ڪپا (\(\kappa\)) جي مطابق، ResNet152 ماڊل ۽ تخميني ڪندڙن جي وچ ۾ معاهدو 0.90 آهي گهٽ معيار واري ڪيس لاءِ ۽ 0.81 اعليٰ معيار جي ڪيس لاءِ.Cohen's AlexNet kappa 0.82 ۽ 0.71 گھٽ معيار ۽ اعلي معيار جي استعمال جي ڪيسن لاء، ترتيب سان.Cohen جي سگنل جي طاقت ڪپا 0.52 ۽ 0.27 آهي گھٽ ۽ اعلي معيار جي استعمال جي ڪيسن لاء، ترتيب سان.
6mm جي فليٽ پليٽ جي 6\(\x\) تصويرن تي اعليٰ ۽ گهٽ معيار جي سڃاڻپ واري ماڊل جي تصديق تربيت يافته ماڊل جي صلاحيت کي ڏيکاري ٿي مختلف تصويرن جي معيارن تي تصوير جي معيار کي طئي ڪرڻ لاءِ.جڏهن استعمال ڪندي 6\(\x\) 6 ايم ايم شالو سليبس اميجنگ جي معيار لاءِ، گهٽ معيار واري ماڊل وٽ AUC 0.83 (95% CI: 0.69–0.98) ۽ اعليٰ معيار واري ماڊل وٽ AUC 0.85 هئي.(95٪ CI: 0.55–1.00) (ٽيبل 2).
انپٽ پرت ڪلاس ايڪٽيويشن نقشن جو بصري معائنو ڏيکاريو ويو آهي ته سڀني تربيت يافته نيورل نيٽ ورڪ تصويري خاصيتن کي استعمال ڪيو تصوير جي درجه بندي دوران (تصوير 4A، B).8 \(\times \) 8 mm ۽ 6 \(\times \) 6 mm تصويرن لاءِ، ResNet ايڪٽيويشن تصويرون ويجهڙائي سان ريٽينل ويسڪوليچر جي پيروي ڪن ٿيون.AlexNet چالو ڪرڻ جا نقشا پڻ ريٽنا ويسلن جي پيروي ڪندا آهن، پر ٿلهي قرارداد سان.
ResNet152 ۽ AlexNet ماڊلز لاءِ ڪلاس چالو ڪرڻ جا نقشا تصوير جي معيار سان لاڳاپيل خصوصيتن کي نمايان ڪن ٿا.(الف) ڪلاس ايڪٽيويشن جو نقشو ڏيکاري ٿو هموار چالو ٿيڻ کان پوءِ 8 \(\times \) 8 ايم ايم جي تصديق واري تصويرن تي ۽ (ب) حد تائين ننڍڙن 6 \(\times \) 6 ايم ايم جي تصديق واري تصويرن تي.LQ ماڊل گھٽ معيار جي معيار تي تربيت ڪئي وئي، HQ ماڊل اعلي معيار جي معيار تي تربيت ڪئي وئي.
اهو اڳ ۾ ڏيکاريو ويو آهي ته تصوير جي معيار کي تمام گهڻو متاثر ڪري سگهي ٿو OCTA تصويرن جي ڪنهن به مقدار کي.ان کان علاوه، ريٽينوپيپي جي موجودگي تصويري نموني جي واقعن کي وڌائي ٿي 7,26.حقيقت ۾، اسان جي ڊيٽا ۾، پوئين مطالعي سان لاڳاپو، اسان هڪ اهم تعلق مليو آهي عمر ۽ رت جي بيماري جي شدت ۽ تصوير جي معيار ۾ خرابي جي وچ ۾ (p <0.001، p = 0.017 عمر ۽ DR جي حيثيت لاء، ترتيب سان؛ ٽيبل 1) 27 تنهن ڪري، OCTA تصويرن جي ڪنهن به مقداري تجزيي کي انجام ڏيڻ کان پهريان تصوير جي معيار جو جائزو وٺڻ ضروري آهي.اڪثر مطالعو OCTA تصويرن جو تجزيو ڪرڻ لاءِ استعمال ڪن ٿا مشين جي رپورٽ ٿيل سگنل جي شدت واري حد کي گهٽ معيار جي تصويرن کي ختم ڪرڻ لاءِ.جيتوڻيڪ سگنل جي شدت ڏيکاري وئي آهي ته OCTA پيٽرولر جي مقدار کي متاثر ڪرڻ لاء، صرف اعلي سگنل جي شدت تصويرن جي نموني سان تصويرن کي رد ڪرڻ لاء ڪافي نه ٿي سگھي ٿي 2,3,28,29.تنهن ڪري، اهو ضروري آهي ته تصوير جي معيار کي ڪنٽرول ڪرڻ جو هڪ وڌيڪ قابل اعتماد طريقو ٺاهيو.انهي جي نتيجي ۾، اسان مشين پاران رپورٽ ڪيل سگنل جي طاقت جي خلاف نگراني ٿيل گہرے سکيا جي طريقن جي ڪارڪردگي جو جائزو وٺون ٿا.
اسان تصوير جي معيار کي جانچڻ لاءِ ڪيترائي ماڊل ٺاهيا آهن ڇاڪاڻ ته مختلف OCTA استعمال جي ڪيسن ۾ مختلف تصويري معيار جون گهرجون هونديون.مثال طور، تصويرن کي اعلي معيار جو هجڻ گهرجي.ان کان سواء، دلچسپي جي مخصوص مقدار جي ماپ پڻ اهم آهن.مثال طور، foveal avascular زون جي ايراضي غير مرڪزي وچولي جي turbidity تي منحصر نه آهي، پر جهازن جي کثافت کي متاثر ڪري ٿو.جڏهن ته اسان جي تحقيق جاري رهي ٿي تصوير جي معيار تي هڪ عام طريقي تي ڌيان ڏيڻ، ڪنهن خاص ٽيسٽ جي گهرجن سان ڳنڍيل ناهي، پر مشين پاران رپورٽ ڪيل سگنل جي طاقت کي سڌو سنئون تبديل ڪرڻ جو ارادو ڪيو ويو آهي، اسان کي اميد آهي ته صارفين کي ڪنٽرول جي وڏي حد تائين ڏيو ته جيئن اهي صارف جي دلچسپي جي مخصوص ميٽرڪ کي منتخب ڪري سگھي ٿو.ھڪڙو نمونو چونڊيو جيڪو قابل قبول تصور ڪيل تصويري نموني جي وڌ کان وڌ درجي سان ملندو.
گھٽ معيار ۽ اعليٰ معيار جي منظرن لاءِ، اسان ڏيکاريون ٿا ڪنيڪشن-گم ٿيل گہرے ڪنوولوشنل نيورل نيٽ ورڪ جي شاندار ڪارڪردگي، ترتيب سان 0.97 ۽ 0.99 جي AUCs ۽ گھٽ معيار جا ماڊل.اسان صرف مشينن جي رپورٽ ڪيل سگنل جي سطح جي مقابلي ۾ اسان جي گہرے سکيا واري طريقي جي اعلي ڪارڪردگي جو مظاهرو پڻ ڪريون ٿا.ڪنيڪشن ڇڏڻ جي اجازت ڏئي ٿي نيورل نيٽ ورڪن کي تفصيل جي ڪيترن ئي سطحن تي خاصيتون سکڻ جي لاءِ، تصويرن جا بهتر پهلو (مثال طور برعڪس) ۽ گڏوگڏ عام خاصيتون (مثال طور تصويري مرڪز 30,31).جيئن ته تصويري نموني جيڪي تصوير جي معيار تي اثر انداز ڪن ٿا شايد وڏي حد تائين چڱي طرح سڃاڻي سگهجن ٿيون، گم ٿيل ڪنيڪشن سان نيورل نيٽ ورڪ آرڪيٽيڪچر شايد تصوير جي معيار جي عزم جي ڪمن کان سواء انهن جي ڀيٽ ۾ بهتر ڪارڪردگي ڏيکاري ٿي.
جڏهن اسان جي ماڊل کي 6\(\×6mm) OCTA تصويرن تي آزمائيندي، اسان ڏٺو ته اعليٰ معيار ۽ گهٽ معيار جي ماڊلز (Fig. 2) ٻنهي لاءِ درجه بندي ڪارڪردگيءَ ۾ گهٽتائي، درجي بندي لاءِ تربيت يافته ماڊل جي سائيز جي ابتڙ.ResNet ماڊل جي مقابلي ۾، AlexNet ماڊل ۾ وڏو زوال آهي.ResNet جي نسبتا بهتر ڪارڪردگي ڪيترن ئي اسڪيلن تي معلومات کي منتقل ڪرڻ جي بقايا ڪنيڪشن جي صلاحيت جي ڪري ٿي سگهي ٿي، جيڪا مختلف اسڪيلن ۽/يا ميگنيفڪيشنز تي قبضو ڪيل تصويرن کي درجه بندي ڪرڻ لاءِ ماڊل کي وڌيڪ مضبوط بڻائي ٿي.
8 \(\×\) 8 mm تصويرن ۽ 6 \(\×\) 6 mm تصويرن جي وچ ۾ ڪجهه فرق ناقص درجه بندي جو سبب بڻجي سگهن ٿا، جن ۾ تصويرن جو نسبتاً وڏو تناسب شامل آهن جن ۾ فوول ايواسڪولر علائقن، ڏيک ۾ تبديلي، ويسڪولر آرڪيڊس، ۽ تصوير 6 × 6 mm تي ڪو بصري اعصاب ناهي.ان جي باوجود، اسان جو اعليٰ معيار وارو ResNet ماڊل 6 \(\x\) 6 ايم ايم تصويرن لاءِ 85٪ جو AUC حاصل ڪرڻ جي قابل ٿي ويو، هڪ اهڙي ترتيب جنهن لاءِ ماڊل تربيت نه ڪئي وئي هئي، اهو مشورو ڏئي ٿو ته تصوير جي معيار جي معلومات نيورل نيٽ ورڪ ۾ انڪوڊ ٿيل آهي. مناسب آهي.هڪ تصوير جي سائيز يا مشين جي ترتيب لاءِ ان جي تربيت کان ٻاهر (ٽيبل 2).اطمينان سان، 8 \(\times \) 8 mm ۽ 6 \ (\times \) 6 mm تصويرن جا ResNet- ۽ AlexNet-جهڙا ايڪٽيوشن نقشا ٻنهي صورتن ۾ ريٽينل ويسلز کي اجاگر ڪرڻ جي قابل هئا، اهو مشورو ڏئي ٿو ته ماڊل ۾ اهم معلومات آهي.OCTA تصويرن جي ٻنهي قسمن جي درجه بندي لاءِ لاڳو آهن (تصوير 4).
Lauerman et al.OCTA تصويرن تي تصويري معيار جو جائزو ساڳئي طرح انسيپشن آرڪيٽيڪچر استعمال ڪندي ڪيو ويو، ٻيو اسڪپ ڪنيڪشن ڪنووليشنل نيورل نيٽ ورڪ 6,32 ڊيپ لرننگ ٽيڪنڪ استعمال ڪندي.انهن مطالعي کي سطحي ڪيپيلري پلڪسس جي تصويرن تائين محدود ڪيو، پر صرف Optovue AngioVue کان ننڍيون 3 × 3 ملي ايم تصويرون استعمال ڪندي، جيتوڻيڪ مختلف chorioretinal بيمارين سان مريض پڻ شامل هئا.اسان جو ڪم انهن جي بنيادن تي ٺاهي ٿو، جنهن ۾ ڪيترن ئي ماڊل شامل آهن مختلف تصويري معيار جي حدن کي پتو ڏيڻ ۽ مختلف سائزن جي تصويرن جي نتيجن کي درست ڪرڻ.اسان مشين لرننگ ماڊلز جي AUC ميٽرڪ کي پڻ رپورٽ ڪريون ٿا ۽ انهن جي اڳ ۾ ئي متاثر ڪندڙ درستگي (90%) 6 کي گهٽ معيار (96%) ۽ اعليٰ معيار (95.7%) ماڊلز 6 لاءِ وڌايون ٿا.
هن تربيت ۾ ڪيتريون ئي حدون آهن.پهرين، تصويرون صرف هڪ OCTA مشين سان حاصل ڪيون ويون آهن، جن ۾ صرف تصويرون شامل آهن سپرفيشل ڪيپيلري پلڪسس 8 mm ۽ 6 mm تي.تصويرن کي گہرے پرتن مان خارج ڪرڻ جو سبب اهو آهي ته پروجئشن آرٽيڪڪٽس تصويرن جي دستي تشخيص کي وڌيڪ ڏکيو ۽ ممڪن طور تي گهٽ مسلسل ڪري سگھن ٿا.ان کان علاوه، تصويرون صرف ذیابيطس جي مريضن ۾ حاصل ڪيون ويون آهن، جن لاء OCTA هڪ اهم تشخيصي ۽ پروگنوسٽڪ اوزار طور اڀري رهيو آهي 33,34.جيتوڻيڪ اسان اسان جي ماڊل کي مختلف سائزن جي تصويرن تي جانچڻ جي قابل ٿي چڪا هئاسين انهي کي يقيني بڻائڻ لاءِ ته نتيجا مضبوط هئا، اسان مختلف مرڪزن مان مناسب ڊيٽا سيٽن کي سڃاڻڻ ۾ ناڪام ٿي ويا هئاسين، جنهن ماڊل جي عام ڪرڻ جي اسان جي جائزي کي محدود ڪيو.جيتوڻيڪ تصويرون صرف هڪ مرڪز مان حاصل ڪيون ويون آهن، اهي مختلف نسلي ۽ نسلي پس منظر جي مريضن کان حاصل ڪيا ويا آهن، جيڪا اسان جي مطالعي جي هڪ منفرد قوت آهي.اسان جي تربيتي عمل ۾ تنوع کي شامل ڪرڻ سان، اسان اميد ٿا ڪريون ته اسان جا نتيجا وسيع معنيٰ ۾ عام ڪيا ويندا، ۽ اهو ته اسين نسلي تعصب کي انڪوڊنگ ڪرڻ کان پاسو ڪنداسين جن کي اسان تربيت ڏيون ٿا.
اسان جي مطالعي مان اهو ظاهر ٿئي ٿو ته ڪنيڪشن-اسڪپنگ نيورل نيٽ ورڪ کي OCTA تصوير جي معيار کي طئي ڪرڻ ۾ اعلي ڪارڪردگي حاصل ڪرڻ لاء تربيت ڏئي سگهجي ٿو.اسان انهن ماڊل کي وڌيڪ تحقيق لاء اوزار طور مهيا ڪندا آهيون.ڇاڪاڻ ته مختلف ميٽرڪ ۾ مختلف تصويري معيار جون گهرجون هونديون آهن، هتي قائم ڪيل ڍانچي کي استعمال ڪندي هر ميٽرڪ لاءِ هڪ انفرادي معيار ڪنٽرول ماڊل ٺاهي سگهجي ٿو.
مستقبل جي تحقيق ۾ شامل ٿيڻ گهرجي مختلف سائيزن جون تصويرون مختلف کوٽائي ۽ مختلف OCTA مشينن مان حاصل ڪرڻ لاءِ هڪ گہرے سکيا واري تصوير جي معيار جي تشخيصي عمل کي حاصل ڪرڻ لاءِ جيڪو عام ڪري سگهجي ٿو OCTA پليٽ فارمن ۽ اميجنگ پروٽوڪولن ڏانهن.موجوده تحقيق پڻ نگراني ڪيل گہرے سکيا جي طريقن تي ٻڌل آهي جيڪا انساني تشخيص ۽ تصوير جي تشخيص جي ضرورت هوندي آهي، جيڪا محنت ڪري سگهي ٿي ۽ وڏي ڊيٽا سيٽن لاءِ وقت لڳي سگهي ٿي.اهو ڏسڻو آهي ته ڇا غير نگراني ٿيل گہرے سکيا جا طريقا مناسب طور تي گهٽ معيار جي تصويرن ۽ اعليٰ معيار جي تصويرن جي وچ ۾ فرق ڪري سگهن ٿا.
جيئن ته OCTA ٽيڪنالاجي ترقي ڪندي رهي ٿي ۽ اسڪيننگ جي رفتار وڌندي رهي ٿي، تصويري نموني جا واقعا ۽ خراب معيار جون تصويرون گهٽجي سگهن ٿيون.سافٽ ويئر ۾ بهتري، جيئن تازو متعارف ٿيل پروجئشن آرٽيڪل هٽائڻ جي خصوصيت، پڻ انهن حدن کي گھٽائي سگھي ٿي.تنهن هوندي به، ڪيترائي مسئلا رهجي ويندا آهن جيئن مريضن جي تصويرن جي خراب فڪسيشن يا اهم ميڊيا ٽربيڊيٽي سان هميشه تصويري نموني جي نتيجي ۾.جيئن ته OCTA ڪلينڪل تجربن ۾ وڌيڪ وڏي پيماني تي استعمال ٿيندو آهي، تصوير جي تجزيي لاء قابل قبول تصويري نموني جي سطحن لاء واضح هدايتون قائم ڪرڻ لاء محتاط غور جي ضرورت آهي.OCTA تصويرن لاءِ گہرے سکيا جي طريقن جو اطلاق وڏو واعدو رکي ٿو ۽ وڌيڪ تحقيق جي ضرورت آھي ھن علائقي ۾ تصويري معيار تي ضابطو آڻڻ لاءِ مضبوط طريقه ڪار پيدا ڪرڻ لاءِ.
موجوده تحقيق ۾ استعمال ٿيل ڪوڊ octa-qc مخزن ۾ موجود آهي، https://github.com/rahuldhodapkar/octa-qc.موجوده مطالعي دوران ٺاهيل ۽ / يا تجزيو ڪيل ڊيٽا سيٽ مناسب درخواست تي لاڳاپيل ليکڪن کان دستياب آهن.
اسپائيڊ، آر ايف، فوجيموٽو، جي جي ۽ وحيد، اين جي تصويري نموني ۾ نظرياتي ڪوهرنس اينجيوگرافي.ريٽنا 35، 2163–2180 (2015).
فينر، بي جي وغيره.اميجنگ خاصيتن جي سڃاڻپ جيڪا OCT انجيوگرافي ۾ ريٽينل ڪيپيلري پلڪسس کثافت جي ماپ جي معيار ۽ ٻيهر پيداوار جو اندازو لڳائي ٿي.بي آر.جي اوفٿامول.102، 509-514 (2018).
Lauerman، JL et al.اکين جي ٽريڪنگ ٽيڪنالاجي جو اثر او سي ٽي اينجيوگرافي جي تصوير جي معيار تي عمر سان لاڳاپيل ميڪولر ڊيجريشن ۾.قبر جي ڇت.ڪلينڪل.Exp.اکين جو علم.255، 1535-1542 (2017).
Babyuch AS et al.OCTA ڪيپيلري پرفيوشن کثافت جي ماپ کي استعمال ڪيو ويندو آهي ميڪولر اسڪيميا کي ڳولڻ ۽ جائزو وٺڻ لاء.اکين جي جراحي.ريٽينل ليزر اميجنگ 51، S30-S36 (2020).
He, K., Zhang, X., Ren, S., and Sun, J. Deep Residual Learning for Image Recognition.2016 ۾ IEEE ڪانفرنس ۾ ڪمپيوٽر ويزن ۽ پيٽرن جي سڃاڻپ (2016).
Lauerman، JL et al.ڊيپ لرننگ الگورتھم استعمال ڪندي خودڪار OCT انجيوگرافڪ تصويري معيار جو جائزو.قبر جي ڇت.ڪلينڪل.Exp.اکين جو علم.257، 1641-1648 (2019).
Lauremann، J. et al.او سي ٽي اينگيوگرافي ۾ سيگمينٽيشن جي غلطين ۽ حرڪت جي نمونن جو دارومدار ريٽنا جي بيماري تي منحصر آهي.قبر جي ڇت.ڪلينڪل.Exp.اکين جو علم.256، 1807-1816 (2018).
پاسڪ، آدم وغيره.Pytorch: هڪ لازمي، اعلي ڪارڪردگي ڊيپ لرننگ لائبريري.اعصابي معلومات جي ترقي يافته پروسيسنگ.سسٽم.32، 8026-8037 (2019).
ڊينگ، جي وغيره.ImageNet: هڪ وڏي پيماني تي درجي بندي تصويري ڊيٽابيس.2009 IEEE ڪانفرنس ڪمپيوٽر ويزن ۽ نمونن جي سڃاڻپ تي.248-255.(2009).
Krizhevsky A.، Sutzkever I. ۽ Hinton GE Imagenet درجي بندي گہرے ڪنوولوشنل نيورل نيٽ ورڪ استعمال ڪندي.اعصابي معلومات جي ترقي يافته پروسيسنگ.سسٽم.25، 1 (2012).