开发一种自动化的电网膜学分析方法

科学领域:

• 眼科医生 眼科 眼科
• 神经科学是一个神经科学.
• 生物医学工程 生物医学工程

背景情况:

• 电网膜学 (ERG) 对于在临床和研究环境中评估视网膜功能至关重要.
• 手动分析ERG波形是耗时的,容易引起观察者之间的变化.
• 需要客观和可重复的方法来提高ERG分析的严谨性.

研究的目的:

• 开发和验证ERGAssist,一种用于ERG波形的非主观和可重复特征识别的自动化方法.
• 提高ERG数据分析在眼科和眼病研究中的效率和一致性.

主要方法:

• ERGAssist使用无声化,低通波和带通波来识别关键的ERG波形特征 (a波,b波,振荡潜力 - OP).
• 该方法使用两个队列进行了验证:棕色挪威大鼠 (一致性队列) 和对照/糖尿病长埃文斯大鼠 (验证队列).
• 刺激条件在黑暗和光适应的协议中从-6到1.9 log cd·s/m2不等.

主要成果:

• 在一致性数据集中,ERGAssist与幅度 (r2 = 0.920.99) 和隐性时间 (r2 = 0.900.96) 的手动标记显示出强烈的相关性.
• 在验证队列中,ERGAssist成功地将控制与糖尿病老鼠区分开来,在糖尿病动物中发现明显更长的OP隐性时间 (P < 0.0001).
• 自动化方法在识别健康和疾病状态之间的视网膜功能差异方面被证明是有效的.

结论:

• ERGAssist提供了一种可靠和准确的自动化方法,用于识别全场ERG波形的特征.
• 该工具增强了研究视网膜功能的基础科学研究的严谨性.
• 开发了一个开源的图形用户界面 (GUI),以促进社区采用.