相关实验视频
Updated: Jun 27, 2026
09:17
Using Retinal Imaging to Study Dementia
Published on: November 6, 2017
21.6K
使用机器学习和图像处理技术评估糖尿病视网膜病变中视网膜层的面积和结构不规则
Hamid Riazi-Esfahani1, Behzad Jafari1, Hossein Azimi2
1Retina Ward, Farabi Eye Hospital, Tehran University of Medical Sciences, South Kargar Street, Qazvin Square, Tehran, Iran.
Scientific reports
|February 18, 2024
概括
早期发现糖尿病视网膜病变至关重要. 光学连贯断层扫描 (OCT) 生物标志物,如视网膜层的光滑度和面积,可以高精度地区分正常,非增殖性 (NPDR) 和增殖性糖尿病视网膜病变 (PDR).
科学领域:
- 眼科和医学成像学
- 生物医学工程 生物医学工程
- 糖尿病视网膜病变研究研究
背景情况:
- 预防糖尿病视网膜病变 (DR) 需要早期检测,监测和治疗.
- 非侵入性光学连贯性断层扫描 (OCT) 可视化视网膜结构变化.
- 准确的视网膜层细分对于OCT图像分析至关重要.
研究的目的:
- 评估自动视网膜层细分,以区分正常,非增殖性 (NPDR) 和增殖性糖尿病视网膜病变 (PDR).
- 使用可量化的生物标志物:视网膜层光滑度指数 (SI) 和面积 (S).
- 在横向和垂直的OCT图像中分析这些生物标志物,跨越不同的视网膜区域.
主要方法:
- 视网膜层细分是在57个个体的84只眼睛的OCT图像上进行的.
- 可量化的生物标志物 (SI和S) 被计算为内核层 (INL),外核层 (ONL),内层 (IPL) 和外层 (OPL).
- 对横向和垂直的OCT扫描进行了分析,横跨,上部,下部,鼻腔和部区域.
主要成果:
- 在三组中观察到水平带INL和ONL区域 (S) 的显著差异 (p < 0.001).
- 在水平扫描中发现IPL和OPL光滑度指数 (SI) 的显著差异 (p < 0.05).
- 在水平足区域的INL区域 (S) 在区分糖尿病患者和正常人方面取得了87.6%的准确性. 在鼻腔区域的IPLSI在区分PDR和NPDR方面取得了97.2%的准确性.
结论:
- 来自OCT的生物标志物,特别是光滑度指数和视网膜层面积 (IPL,OPL,INL),可以有效地区分NPDR和PDR.
- 水平叶板的鼻腔和部区域对于区分DR严重程度特别有信息.
- 需要进一步的研究来了解DR的演变及其对视网膜层不规则性的影响.
